JP2018068428A - 情報処理装置、情報処理方法及びプログラム - Google Patents

Abstract

【課題】消費電力を抑えつつ、正確な血流情報を得ることが可能な情報処理装置、情報処理方法及びプログラムを提案する。
【解決手段】異なる２種類の血流情報の間の関係を示す関係情報に基づいて、血流測定により得られた一方の種類の血流情報から、当該一方の種類の血流情報に関連する他方の種類の血流情報を推定する推定部を備える、情報処理装置を提案する。
【選択図】図９

Description

本開示は、情報処理装置、情報処理方法及びプログラムに関する。

医療分野等において、血流に関する情報である脈拍や血流速度を測定する技術が多用されている。脈拍や血流速度を測定する装置の一例として血流計を挙げることができる。血流計は、被測定者に不快感、痛み等を与えることなく、被測定者に装着して脈拍や血流速度を簡単に測定することが可能である。例えば、その一例として、下記の特許文献１を挙げることができる。

特開２０１３−１４６３７１号公報

上述のような血流計においては、消費電力を抑えようとサンプリング周波数を低下させた場合には、雑音成分が重畳された信号を検出することがある。例えば、サンプリング周波数が血流から得られる信号の持つ周波数に対して所定の条件を満たしていない場合に、折り返し現象により雑音が生じることがある。そして、このような雑音成分が重畳された検出信号に対して処理を行った場合には、当該雑音成分に起因して正確な脈拍等の血流情報を得ることが難しい。

そこで、本開示では、上記事情に鑑みて、消費電力を抑えつつ、正確な血流情報を得ることが可能な情報処理装置、情報処理方法及びプログラムを提案する。

本開示によれば、異なる２種類の血流情報の間の関係を示す関係情報に基づいて、血流測定により得られた一方の種類の血流情報から、当該一方の種類の血流情報に関連する他方の種類の血流情報を推定する推定部を備える、情報処理装置が提供される。

また、本開示によれば、異なる２種類の血流情報の間の関係を示す関係情報に基づいて、血流測定により得られた一方の種類の血流情報から、当該一方の種類の血流情報に関連する他方の種類の血流情報を推定することを含む、情報処理方法が提供される。

さらに、本開示によれば、異なる２種類の血流情報の間の関係を示す関係情報に基づいて、血流測定により得られた一方の種類の血流情報から、当該一方の種類の血流情報に関連する他方の種類の血流情報を推定する機能を、コンピュータに実現させるためのプログラムが提供される。

以上説明したように本開示によれば、消費電力を抑えつつ、正確な血流情報を得ることが可能である。

なお、上記の効果は必ずしも限定的なものではなく、上記の効果とともに、または上記の効果に代えて、本明細書に示されたいずれかの効果、または本明細書から把握され得る他の効果が奏されてもよい。

本開示の実施形態に係る情報処理システム１の機能構成を示したブロック図である。 本開示の実施形態に係る照射部１００及び検出部１０２の動作パターンの一例を説明する説明図である。 本開示の実施形態に係る測定モジュール１０の形態の一例を示した図である。 図３に示す測定モジュール１０の取り付け時の形態を説明する説明図である。 本開示の実施形態に適用される血流測定方法を説明する説明図である。 本開示の実施形態に適用される第１の処理方法を説明する説明図である。 本開示の実施形態に適用される第２の処理方法を説明する説明図である。 折り返し雑音成分６０２、６０４が重畳されたパワースペクトル６０６を説明する説明図である。 本開示の第１の実施形態に係る情報処理装置３０の処理部３００の機能構成を示したブロック図である。 本開示の第１の実施形態に係る情報処理方法を説明する説明図である。 本開示の第１の実施形態に係る情報処理方法における第１の動作のフローチャートを示した図である。 本開示の第１の実施形態に係る情報処理方法における第２の動作のフローチャートを示した図である。 本開示の第１の実施形態の変形例に係る情報処理装置３０の処理部３００ａの機能構成を示したブロック図である。 本開示の第２の実施形態に係る情報処理装置３０の処理部３００ｂの機能構成を示したブロック図である。 本開示の第２の実施形態に係る情報処理方法を説明する説明図である。 本開示の第２の実施形態の変形例に係る情報処理方法を説明する説明図である。 本開示の第３の実施形態に係る情報処理装置３０の処理部３００ｃの機能構成を示したブロック図である。 本開示の第３の実施形態に係る情報処理方法を説明する説明図である。 本開示の第４の実施形態に係る情報処理装置３０の処理部３００ｄの機能構成を示したブロック図である。 本開示の第４の実施形態に係る情報処理方法を説明する説明図である。 本開示の第４の実施形態に係る情報処理方法のフローチャートを示した図である。 本開示の実施形態に係る情報処理装置３０の構成を示したブロック図である。

以下に添付図面を参照しながら、本開示の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。

説明は以下の順序で行うものとする。
１． 本開示の実施形態に係る情報処理システム１の構成について
１．１ 測定モジュール１０の構成について
１．２ 情報処理装置３０の構成について
２． 本開示の実施形態に係る血流測定方法及び処理方法
２．１ 血流情報計測方法について
２．２ 処理方法について
２．２．１ 第１の処理方法
２．２．２ 第２の処理方法
３． 本開示の実施形態に至る背景
４． 第１の実施形態
４．１ 第１の実施形態に係る処理部３００の構成について
４．２ 第１の実施形態に係る情報処理方法について
４．２．１ 第１の動作
４．２．２ 第２の動作
４．３ 第１の実施形態の変形例
５． 第２の実施形態
５．１ 第２の実施形態に係る処理部３００ｂの構成について
５．２ 第２の実施形態に係る情報処理方法について
５．３ 第２の実施形態の変形例
６． 第３の実施形態
６．１ 第３の実施形態に係る処理部３００ｃの構成について
６．２ 第３の実施形態に係る情報処理方法について
７． 第４の実施形態
７．１ 第４の実施形態に係る処理部３００ｄの構成について
７．２ 第４の実施形態に係る情報処理方法について
８． ハードウェア構成について
９． 補足

＜＜１． 本開示の実施形態に係る情報処理システム１の構成について＞＞
まず、本開示の実施形態に係る情報処理システム１について、図１から図４を参照して説明する。図１は、本実施形態に係る情報処理システム１の機能構成を示したブロック図である。図２は、本実施形態に係る照射部１００及び検出部１０２の動作パターンの一例を説明する説明図である。図３は、本実施形態に係る測定モジュール（測定部）１０の形態の一例を示した図である。さらに、図４は、図３に示す測定モジュール１０の取り付け時の形態を説明する説明図である。

本開示の実施形態においては、被測定者の血流に関する血流情報を取得するために血流測定を行う。具体的には、血流情報とは、脈拍数、平均血流速度、血流量、血管中の粒子の速度分布等の血流に関する情報のことをいう。さらに、以下の説明においては、血流情報には、血流測定により得られた検出信号を処理して得られる、脈拍等の上述の情報を算出するために用いられるパワースペクトル等の血流信号情報も含まれる。また、脈拍数とは、心臓の筋肉が一定のリズムで収縮すること（拍動、なお、単位時間の心臓における拍動回数を心拍数と呼ぶ）により、動脈を通じ全身に血液が送られることにより、動脈内壁に圧力の変化が生じ、体表面等に現れる動脈の拍動の単位時間における回数のことをいう。さらに、血流速度とは、測定対象となる測定領域における１本又は複数の血管中に流れる血液（血液成分）の速度であり、血流量とは、測定領域における１本又は複数の血管を単位時間に通過する血液量のことをいう。血管中の粒子の速度分布は、測定領域における１本又は複数の血管中の赤血球等の血管に滞留又は流れる粒子の密度の速度の分布のことをいう。また、血液は複数の流速を持つ物質の混合体と考えることができるが、血管中の粒子である血球の動き、すなわち、血球の流速によっても、血流の特徴を示すことができる。この血球の流速は、血流の特徴を示す重要な指標として用いることができる。本開示においては、血液中の血球（粒子）の平均移動速度のことを平均血流速度と呼ぶ。

また、本開示の実施形態においては、上述のような血流情報を取得するために、手や腕、首、脚等の被測定者の部位（測定領域）に光を照射し、被測定者の血管中を移動する物質や静止している生体組織で散乱された光を検出する。そして、本実施形態においては、検出した光（詳細には、検出信号）を処理することにより血流情報を取得する。なお、以下に説明する実施形態においては、血流測定の結果として脈拍数を取得する場合を例に説明する。しかしながら、本開示の実施形態においては、血流測定の結果として脈拍数を取得する場合に限定されるものではなく、血流測定の結果として他の血流情報を取得してもよい。

本実施形態に係る情報処理システム１は、図１に示すように、測定モジュール１０と、情報処理装置３０とを主に有する。さらに、本実施形態に係る情報処理システム１は、図１に図示しない、測定結果等をユーザ（当該ユーザには、血流測定の測定対象者である被測定者や、被測定者以外の本実施形態の情報処理システム１を利用する人物等を含む）に掲示する情報提示装置を有していてもよい。以下に、当該情報処理システム１に含まれる、測定モジュール１０及び情報処理装置３０の構成を順次説明する。

＜１．１ 測定モジュール１０の構成について＞
本実施形態に係る測定モジュール１０は、被測定者に対して血流測定を行うために被測定者の皮膚等の身体の一部に装着するためのモジュールである。測定モジュール１０は、図１に示すように、照射部１００と、検出部１０２と、制御部１０４とを主に有する。以下に、測定モジュール１０の有する各機能部について説明する。

（照射部１００）
照射部１００は、所定の波長を持つ照射光を被測定者の測定領域（身体の一部）に向かって照射する。照射部１００が照射する照射光の波長は、適宜選択することが可能であり、例えば、８５０ｎｍ前後の波長の光を照射する。当該照射部１００としては、コヒーレント光を照射するために小型レーザ等を利用することができる。そして、後述する制御部１０４によって、照射部１００の照射光の照射するタイミング、照射時間、照射間隔、及び強度等は制御されることができる。

（検出部１０２）
検出部１０２は、被測定者の測定領域から散乱された光を検出する。検出部１０２は、例えばフォトダイオード（Ｐｈｏｔｏ Ｄｅｔｅｃｔｏｒ：ＰＤ）を有し、受光した光の強度を電気信号に変換して、後述する情報処理装置３０へと出力する。なお、検出部１０２としては、ＣＣＤ（Ｃｈａｒｇｅ Ｃｏｕｐｌｅｄ Ｄｅｖｉｃｅｓ）型センサ、ＣＭＯＳ（Ｃｏｍｐｌｅｍｅｎｔａｒｙ Ｍｅｔａｌ Ｏｘｉｄｅ Ｓｅｍｉｃｏｎｄｕｃｔｏｒ）型センサ等を利用することもできる。また、上述のようなフォトダイオードやセンサ等は、測定モジュール１０に、１個又は複数個設けられることができる。そして、後述する制御部１０４によって、検出部１０２が検出信号を出力する（読み出す）タイミング等が制御される。

（制御部１０４）
制御部１０４は、所定の同期信号等に基づいて、照射部１００の照射パターン（照射タイミング、照射時間及び照射間隔）を制御したり、検出部１０２の読み出し（サンプリング）タイミングを制御したり等、測定モジュール１０における測定全般を制御する。例えば、制御部１０４は、情報処理システム１の動作にあわせて、照射部１００の照射周波数や、照射周波数に同期した、検出部１０２のサンプリング周波数を制御する。また、制御部１０４は、図示しない記憶部をさらに有してもよく、当該記憶部には、照射部１００等を制御するための各種のプログラムやパラメータ等が格納されていてもよい。さらに、制御部１０４は、検出信号を時刻と紐づけて情報処理装置３０へと出力するために、正確な時刻を把握する時計機構（図示省略）を内蔵してもよい。具体的には、制御部１０４は、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）等により実現される。なお、制御部１０４の行う機能の一部又は全体は、後述する情報処理装置３０において行われてもよい。

ここで、図２を参照して、上述の制御部１０４による、照射部１００及び検出部１０２に対する制御の詳細について説明する。図２は、本実施形態に係る照射部１００及び検出部１０２の動作パターンの一例を説明する説明図である。詳細には、図２の上段は照射部１００の照射パターン、図２の中段は検出部１０２で検出された電気信号、図２の下段は検出部１０２のサンプリングにより得られた検出信号を模式的に示す。なお、以下の説明においては、サンプリングとは、光の検出に起因して検出部１０２に生じた電気信号を例えばアナログ・デジタル・コンバータ等を用いて数値化して読み出す（出力する）ことをいう。

図２の上段に示すように、照射部１００の照射パターンは矩形波をしており、詳細には、上側の平坦な部分（ＯＮ）の期間においては、照射部１００は光を照射する（照射期間）。一方、下側の平坦な部分（ＯＦＦ）の期間においては、照射部１００は照射を休止する（休止期間）。また、図２の中段に示すように、検出部１０２のサンプリングタイミングは、照射部１００の照射期間と同期している。詳細には、上記照射期間においては、検出部１０２では受光量に応じて電気信号が変化し、照射部１００が照射を休止するタイミングで検出部１０２で生じた電気信号の変化がサンプリングされる。すなわち、図２の中段における読み出しパターンのピークの右端部において、検出部１０２で受光量に応じて生じた電気信号の変化が読み出され、図２の下段に示すような検出信号を得ることができる。なお、以下の説明においては、単位時間におけるサンプリングの回数をサンプリング周波数と呼ぶ。なお、以下の説明においては、簡明に本開示を説明するために等時間間隔でサンプリングする例を用いるが、圧縮センシングの原理等を用いることにより不等時間間隔でサンプリングすることも可能である。その場合のサンプリング周波数は、ある時間区間のサンプリング回数の平均値であると考えることができる。

なお、本開示の実施形態に係る照射及び測定の方法における照射及びサンプリングパターンについては、図２に示されるようなパターンに限定されるものではない。例えば、照射部１００の照射パターンにおいて、照射部１００が第１の間隔で規則的に照射を所定の回数だけ繰り返す照射区間を、上記第１の間隔よりも長い第２の間隔だけあけて繰り返してもよい。なお、この場合も、検出部１０２のサンプリングタイミングは、照射部１００の照射と同期する。すなわち、本実施形態においては、所望する血流情報、測定精度等に応じて、様々な照射及びサンプリングパターンを選択することができる。

さらに、図１では図示されていないが、当該測定モジュール１０は、照射部１００等に電力を供給するための電源を有する。さらに、当該測定モジュール１０は、上述の照射部１００、検出部１０２及び制御部１０４の他にも、後述する情報処理装置３０等との間で通信するための通信部（図示省略）等を有していてもよい。また、当該測定モジュール１０は、被測定者の身体の一部に測定モジュール１０が装着されたことを検知する圧力センサ等のセンサ（図示省略）を有していてもよい。

また、当該測定モジュール１０は、例えば、被測定者の身体に装着して用いられるウェアラブル装置としての形態を有することができる。例えば、測定モジュール１０は、腕時計型、指輪型、リストバンド型、アンクレット型、首輪型、イヤーフォン型等の形状を有し、手首や腕、首、脚、耳等の被測定者の部位に装着可能な装置であってもよい。また、測定モジュール１０は、絆創膏型のようなパッド形状を有し、手や腕、首、脚等の被測定者の部位に貼付可能な装置であってもよい。さらに、当該測定モジュール１０は、被測定者の身体の一部に埋め込まれるインプラント型の形状であってもよい。

以下に、本実施形態に係る測定モジュール１０の具体的な形態の一例について、図３及び図４を参照して説明する。例えば、図３に示すように、測定モジュール１０はベルト状の形態を有することができる。当該測定モジュール１０は、図３に示すように、ベルト状のバンド部１１０と、制御ユニット１１２と、測定ユニット１１４とを有する。制御ユニット１１２は、上述の制御部１０４が設けられる部分である。なお、当該測定モジュール１０と後述する情報処理装置３０とが一体の装置である場合には、情報処理装置３０の後述する各機能部は当該制御ユニット１１２に設けられてもよい。また、測定ユニット１１４は、上述した照射部１００及び検出部１０２が設けられる部分であり、測定モジュール１０が被測定者の身体の一部に装着された際には、当該身体に接する、又は、対向する。

バンド部１１０は、例えば被測定者の手首に巻きつけるように測定モジュール１０を固定するための部品であり、手首の形状に合わせてリング状の形態になるように、柔らかいシリコンゲル等の材料で形成されている。すなわち、バンド部１１０が手首に沿ったリング状の形態になることができることから、図４に示すように、被測定者の手首に測定モジュール１０を巻きつけて固定することができる。また、血流測定中に、測定モジュール１０が動いてしまうと正確な測定を行うことができなくなるため、測定モジュール１０は被測定者の測定領域上に固定されることが好ましい。そこで、バンド部１１０の被測定者の皮膚と接する部分には、被測定者の皮膚に付着可能な粘着層１１６が設けられていてもよい。さらには、多様な手首の太さに対応することができるように、測定モジュール１０がリング状の形態になった際の当該リングの円周の長さは、自由に調整できることが好ましい。そこで、バンド部１１０の端部には、固定部１１８が設けられており、固定部１１８は、バンド部１１０上のいずれかの部分と重ねられることによりバンド部１１０上の様々な位置に固定されることができる。このようにすることで、測定モジュール１０は、被測定者の手首の太さにあわせて装着、固定することができる。

＜１．２ 情報処理装置３０の構成について＞
再び図１に戻って、本実施形態に係る情報処理システム１の情報処理装置３０の構成について説明する。情報処理装置３０は、測定モジュール１０で得られた検出信号を利用し、脈拍等の血流情報を取得する装置である。情報処理装置３０は、図１に示すように、処理部３００と、記憶部３０２とを主に有する。以下に、情報処理装置３０の有する各機能部について説明する。

（処理部３００）
処理部３００は、測定モジュール１０で得られた検出信号を処理することにより、血流情報を取得する。取得した血流情報は、後述する記憶部３０２に出力したり、他の装置に出力したりすることができる。なお、処理部３００の詳細は後述する。

（記憶部３０２）
記憶部３０２は、上述の処理部３００における処理に用いられるプログラムや各種データ、さらには、処理部３００で取得された血流情報等が格納される。また、記憶部３０２には、これらのデータ等以外にも、何らかの処理を行う際に保存する必要が生じた様々なパラメータや処理の途中経過等を適宜格納してもよい。そして、当該記憶部３０２に対しては、処理部３００等が、自由にアクセスし、データを書き込んだり読み出したりすることができる。

なお、情報処理装置３０は、上述の処理部３００と記憶部３０２との他にも、測定モジュール１０等との間で通信するための通信部（図示省略）等を有していてもよい。さらに、当該情報処理装置３０は、本実施形態に係る情報処理システム１を利用するユーザからの操作を受け付ける入力部（図示省略）等を有していてもよい。

また、情報処理装置３０は、上述の測定モジュール１０と一体となった装置であってもよく、さらには、上述の測定モジュール１０と別体の装置であってもよい。後者の場合には、情報処理装置３０は、例えば、スマートフォン、タブレット、パーソナルコンピュータ（ＰＣ）等の情報処理装置であってもよく、もしくは、他の装置（例えば、医療用装置等）と接続された情報処理装置であってもよい。さらには、情報処理装置３０は、サーバ等の被測定者から離れた場所等に設置された情報処理装置であってもよい。

＜＜２．本開示の実施形態に係る血流測定方法及び処理方法＞＞
先に説明したように、本開示の実施形態においては、被測定者の血流に関する血流情報を取得するために血流測定を行う。先に説明したように、本実施形態においては、上述のような血流情報を取得するために、手や腕、首、脚等の被測定者の部位に光を照射し、被測定者の血管中を移動する物質や静止している生体組織で散乱された光を検出し、検出した光（詳細には、検出信号）を処理する。以下に、本開示の実施形態のおける血流測定方法、処理方法等について詳細に説明する。

＜２．１ 血流情報計測方法について＞
本開示の実施形態に係る血流測定方法の一例としては、レーザードップラー血流計測技術や、動的光散乱（Ｄｙｎａｍｉｃ ｌｉｇｈｔ ｓｃａｔｔｅｒｉｎｇ;ＤＬＳ）法を用いた速度分布の分析技術を挙げることができる。まずは、上記両者に共通する血流によるコヒーレント光の干渉現象を、図５を参照して説明する。図５は、本開示の実施形態に適用される血流測定方法を説明する説明図であり、詳細には、図５は血流によるコヒーレント光の干渉現象を模式的に示し、図５中の符号５０２は、当該測定によって得られる検出信号の波形の一例を示す。

本開示の実施形態に係る血流情報計測方法は、照射部１００から光を被測定者の測定領域（身体の一部）に照射した際に、被測定者の血管中を移動する散乱物質（主に赤血球）によって散乱された光が、散乱物質の位置移動とドップラー効果とにより干渉光を生じさせることを利用した方法である。フォトダイオード等の検出部１０２によって干渉光は受光され、受光された干渉光におけるドップラーシフト周波数の分布から血流情報を算出する。

詳細には、図５に示すように、照射部１００により被測定者の測定領域に照射された周波数ｆの光が、被測定者の皮膚や皮下組織等の静止している静止組織７０によって散乱された場合には、その散乱光は周波数ｆを維持している。一方、被測定者の測定領域に照射された周波数ｆの光が、被測定者の血管中を移動する散乱物質（例えば、赤血球が挙げられ、赤血球は直径８〜１０μｍの物質である）（散乱光にドップラーシフトを引き起こす移動する粒子）７２によって散乱された場合には、その散乱光は、散乱物質の位置移動とドップラー効果とにより周波数シフトし、周波数ｆ＋Δｆを持つこととなる。そして、静止組織７０に散乱された周波数ｆの散乱光と、移動する散乱物質７２によって散乱された周波数ｆ+Δｆの散乱光とが干渉することから、検出部１０２は、光ビート（うなり）を有する干渉光を検出することができる。なお、一般に、シフト周波数Δｆは、照射光の周波数ｆよりも非常に小さい。

そして、図５中の符号５０２として示されるような、検出部１０２により検出された干渉光（検出信号）を処理することにより、血流情報を得ることができる。なお、検出信号５０２は、複数の異なる運動をする血管中の粒子からの散乱光による複数の異なる周波数の光ビートの重ね合わせ信号であるため、図５に示されるようにホワイトノイズのような不規則な信号に見える。しかしながら、当該検出信号５０２は、前述のように複数の周波数の干渉ビートの重ね合わせ信号であるため、当該検出信号に対して後述するような周波数解析的処理を行うことにより、ドップラーシフトを引き起こす粒子運動の速度分布情報を取得することができる。本開示では、観察対象は血流なので、血流内の赤血球などの粒子の速度分布を把握することができる。また、照射した光が到達している範囲内の生体組織における血流情報を取得することができるため、被測定者の皮膚の表面の血管だけでなく、被測定者の身体中の皮膚からある程度の深さにある深部の血管を含めた領域における血流情報を取得することができる。

＜２．２ 処理方法について＞
さらに、本開示の実施形態においては、上述したように検出部１０２によって検出された検出信号を処理することにより血流情報を取得する。本開示の実施形態においては、血流情報を取得するための検出信号に対する処理の方法として、例えば以下に説明する２つの方法のいずれかを用いることができる。詳細には、本実施形態における処理方法としては、一般にレーザードップラー速度検出で用いられる最初に周波数解析処理（フーリエ変換）を行う第１の処理方法と、ＤＬＳ法で用いられる自己相関関数を算出する第２の処理方法とを挙げることができる。以下に、これら第１及び第２の処理方法の詳細を順次説明する。

＜２．２．１ 第１の処理方法＞
まず、第１の処理方法について、図６を参照して説明する。図６は、本実施形態に適用される第１の処理方法を説明する説明図である。第１の処理方法においては、まず、図６に示すように、検出部１０２で得られた検出信号（図６のＩ（ｔ））に対して、複数の範囲（図６のウィンドウ５００）ごとに、例えば高速フーリエ変換（Ｆａｓｔ Ｆｏｕｒｉｅｒ Ｔｒａｎｓｆｏｒｍ；ＦＦＴ）等の周波数解析処理を行うことにより、血流情報が取得される。

具体的には、第１の処理方法においては、検出信号に対して所定の時間範囲ごとにおいてＦＦＴを行い、周波数の関数である複数のパワースペクトル（図６のＰ（ｆ））を取得する。さらに、取得した各パワースペクトルに対して周波数ごとに速度と比例関係にあるビート周波数との積を取り（図６のｆＰ（ｆ））、パワースペクトル全域で積分を行い規格化することにより、平均血流速度を得ることができる。そして、時間範囲が異なる複数のウィンドウから求めた複数のパワースペクトルを元に複数の血流速度を取得することにより、平均血流速度の経時変化を示す波形を取得することができる。さらに、得られた波形に対して補間処理等を行うことにより、脈拍による血流速度の変化を示す脈拍波形を取得し、当該脈拍波形から脈拍数等を算出することができる。なお、図６においては、パワースペクトル生成のための範囲を定める複数のウィンドウ５００は互いに重ねて表示されていない。しかしながら、実際の処理においては、これらウィンドウ５００は互いに重なりを持たせることができ、重なりを持たせたウィンドウ５００毎に処理することにより、時系列に沿って並ぶ複数のパワースペクトル列をより緻密に生成することができる。

＜２．２．２ 第２の処理方法＞
次に、第２の処理方法について図７を参照して説明する。図７は、本実施形態に適用される第２の処理方法を説明する説明図である。第２の処理方法においては、まず、図７に示すように、検出信号（図７のＩ（ｔ））から自己相関関数を算出し、算出した自己相関関数（図７のＧ（τ））を処理することにより血流情報が取得される。

詳細には、ウィーナー・ヒンチン定理に従い、自己相関関数を求めた後に当該自己相関関数をフーリエ変換することで、Ｉ（ｔ）のパワースペクトルが取得される。なお、自己相関関数を用いた第２の処理方法によれば、検出された検出信号が周期性を持っていない本開示のような信号の場合にも、精度よくパワースペクトルを得ることができる。そして取得したパワースペクトルを処理することで、所望する血流情報を取得することができる。

より具体的には、第２の処理方法においては、検出信号に対して、所定の時間範囲ごとにおいて自己相関関数の算出を行い、複数の自己相関関数を取得する。さらに、第２の処理方法においては、ウィーナー・ヒンチン定理に従い、算出した各自己相関関数に対してＦＦＴを行い、周波数の関数である複数のパワースペクトル（図７のＰ（ｆ））を取得する。パワースペクトルは周波数に対応した速度で移動する粒子の存在密度に比例するため、取得したパワースペクトルに対して所定の周波数範囲で積分処理を行うことにより、所定の速度範囲にある血管中の粒子の相対密度を得ることができる。さらに、時間範囲が異なる複数のパワースペクトルから複数の粒子の相対密度を取得することにより、粒子の相対密度の経時変化を示す波形を取得することができる。そして、得られた波形に対して補間処理等を行うことにより、脈拍による粒子の相対密度の変化を示す脈拍波形を取得し、当該脈拍波形から脈拍数等を算出することができる。なお、上述の第１の処理方法と第２の処理方法においては、パワースペクトルの求め方と、その後の血流情報の求め方のそれぞれで異なった方法を用いているが、本開示においては、それらの組み合わせは任意である。すなわち、本開示においては、第１の処理方法で示した方法でパワースペクトルを求めた後に第２の処理方法で示した所定の速度範囲にある粒子の相対密度を求めることも可能である。また、本開示においては、第２の処理方法で示した方法でパワースペクトルを求めた後に第１の処理方法で示した平均血流速度を求めることも可能である。

＜＜３．本開示の実施形態に至る背景＞＞
ところで、本開示の実施形態に係る測定モジュール１０は、被測定者に装着されるウェアラブル装置であることから、コンパクトであることが好ましく、そのためには測定モジュール１０の電源容積を小さくすることが好ましい。従って、電源容積を小さくするために、測定モジュール１０における消費電力をできるだけ抑えることが求められる。さらには、長時間に亘って被測定者に装着されて血流測定を行うことを鑑みると、なるべく長い時間に亘る血流測定の実施を可能にするためにも、測定モジュール１０における消費電力をできるだけ抑えることが求められる。

測定モジュール１０での消費電力のうちの多くは、照射部１００によって消費される。そこで、消費電力を抑えるためには、光の照射の回数を減らす、ひいては照射と同期するサンプリングの回数（サンプリング周波数）を減らすことが考えられる。言い換えると、サンプリング周波数を低下させることにより、サンプリングと同期する照射部１００の照射期間（回数、時間）を減らすことができることから、照射部１００での消費電力を抑えることができる。

しかしながら、離散的にサンプリングされた信号には、ナイキストの定理により、原信号に含まれるサンプリング周波数の１／２以上の周波数の信号が折り返し信号として混入する。当該折り返し信号は、サンプリング周波数が低下すると増加してゆき、やがて無視できない大きさに達し、雑音信号として、情報（本開示では血流情報）の抽出に対して悪影響を及ぼす。具体的には、本開示の実施形態で示した方法においては、パワースペクトルに折り返し雑音成分が重畳されることで、当該雑音成分が後段での処理において悪影響を与え、正確な血流情報を得ることが難しくなる。まず、図８を参照して、折り返し雑音成分６０２、６０４が重畳されたパワースペクトル６０６について説明する。図８は、折り返し雑音成分６０２、６０４は重畳されたパワースペクトル６０６を説明する説明図である。

まず、図８には、原信号が持つ本来のパワースペクトル６００が示されている。そして、サンプリング周波数をｆｓとすると、図８の奇数回の折り返しによる雑音成分として示されるように、ナイキストの定理により１／２ｆｓの位置で原信号の波形を折り返した波形を持つ雑音成分６０２が発生する。さらに、折り返し雑音成分がナイキスト周波数の倍数にあたる位置でさらに折り返されたような雑音成分も発生する。例えば、図８の偶数回の折り返しによる雑音成分として示されるように、ナイキスト周波数のゼロ倍にあたる周波数（すなわち、周波数がゼロ）の位置で雑音成分６０２を折り返した波形を持つ、雑音成分６０４が発生する。そして、このような雑音成分６０２、６０４が、本来のパワースペクトル６００に重畳され、図８の合成されたパワースペクトルとして示されるように、雑音成分が重畳されたパワースペクトル６０６が検出される。さらに、このような折り返し雑音成分６０２、６０４が重畳されたパワースペクトル６０６に対して上述したような処理を行った場合、雑音成分６０２、６０４が重畳されていることから、正確な血流情報を取得することは難しい。なお、ここでは２回の折り返しについて説明したが、実際には折り返しは無限大まで続くため、原信号が持つ高周波成分は、すべて１／２ｆｓ以下の信号に畳み込まれることとなる。

なお、ナイキスト周波数の偶数倍の周波数の位置で発生する折り返し雑音成分６０４は、雑音成分の重畳されていないパワースペクトル６００を周波数軸（Ｘ軸）に沿って平行移動した形状を持つ。従って、検出信号（雑音成分の重畳されているパワースペクトル６０６）から、当該雑音成分６０４による影響を推測することは容易であり、血流情報の算出に対する影響は少ないと言える。一方、ナイキスト周波数の奇数倍の周波数の位置で発生する折り返し雑音成分６０２は、雑音成分の重畳されていないパワースペクトル６００を該当するナイキスト周波数の位置を鏡面として反転した形状を持つ。従って、検出信号（雑音成分の重畳されているパワースペクトル６０６）から、当該雑音成分６０２による影響を推測することは難しく、血流情報の算出に対する影響は大きいと言える。また、折り返し雑音成分により大きく影響を受ける周波数範囲（又は速度範囲）に対応する血流情報については、当然ながら、折り返し雑音成分に起因して正確な情報を取得することは難しい。

すなわち、測定モジュール１０での消費電力を抑えるためにサンプリング周波数を低下させた場合には、検出信号には折り返し雑音成分が重畳されることとなり、当該折り返し雑音成分に起因して当該検出信号から正確な血流情報を得ることが難しい。

そこで、本発明者らは、上記事情を鑑みて本開示の実施形態を創作するに至った。本開示の実施形態は、測定モジュール１０の消費電力を抑えるためにサンプリング周波数を低下させたことに起因して折り返し雑音成分が重畳された検出信号を取得した場合であっても、正確な血流情報を得ることができる。詳細には、本開示の実施形態は、折り返し雑音成分が重畳された検出信号から、折り返し雑音成分からの影響を受けていないパワースペクトル等の血流情報を推定する。そして、本実施形態においては、推定されたパワースペクトル等の血流情報を処理することにより、さらに所望の血流情報を取得する。従って、本開示の実施形態においては、サンプリング周波数を低下させた場合であっても、折り返し雑音成分からの影響を受けていない、推定されたパワースペクトル等の血流情報を用いることにより、正確な血流情報を得ることができる。以下、このような本開示の実施形態の詳細な構成及び動作を順次詳細に説明する。

＜＜４．第１の実施形態＞＞
第１の実施形態においては、サンプリング周波数を低下させたことに起因して折り返し雑音成分が大きく重畳されたパワースペクトルが検出されるが、当該パワースペクトルから、折り返し雑音成分が無視できるほど良好な状態にあるパワースペクトルを推定する。そこで、本実施形態においては、上述の推定を行うために、情報処理装置３０は、折り返し雑音成分が重畳されていないパワースペクトルと、当該パワースペクトルに対応する折り返し雑音成分が重畳されているパワースペクトルとの関係を機械学習する。そして、情報処理装置３０は、機械学習で得た関係情報に基づいて、別に取得した折り返し雑音成分が重畳されているパワースペクトルから、当該パワースペクトルに対応する、折り返し雑音成分が無視できるほど良好な状態にあるパワースペクトルを推定する。さらに、本実施形態においては、推定された上記パワースペクトルを用いて、所望する血流情報である脈拍数を取得する。

詳細には、本実施形態においては、関係情報の機械学習のために、折り返し雑音成分が無視できるほど良好な状態にあるパワースペクトル（以下、第１のパワースペクトルと称する）を取得する際には、高いサンプリング周波数（以下、第１のサンプリング周波数と称する）で血流測定を行う。当該第１のサンプリング周波数を、折り返し現象による悪影響が無視できるほど雑音成分が十分に減衰することが可能な周波数の２倍以上とすることにより、ナイキストの定理により、折り返し現象によって生じる雑音成分の悪影響を避けることができる。以下、当該折り返し現象の悪影響が無視できるほど雑音成分が十分に減衰する周波数を最大周波数と呼ぶ。最大周波数の２倍以上の第１のサンプリング周波数での血流測定により、折り返し雑音成分による悪影響を無視できる状態にある第１の検出信号（第１の血流信号）と、さらに第１の検出信号を処理することにより第１のパワースペクトルとを取得することができる。第１のサンプリング周波数は、１６ｋＨｚ以上の周波数であり、例えば、１００ｋＨｚ程度の周波数である。なお、第１のサンプリング周波数での血流測定においては、測定モジュール１０での消費電力は高くなる。

本実施形態においては、折り返し雑音成分による悪影響を無視できる状態にある第１の検出信号に対して、所定の規則に従って第１の検出信号に含まれる信号の一部を間引く処理（間引き処理）を行うことにより、低いサンプリング周波数（以下、第２のサンプリング周波数と称する）に対応する第２の検出信号（第２の血流信号）を取得する。すなわち、間引き処理は、上述の第１の検出信号を取得する血流測定の際に第２のサンプリング周波数で行った場合に取得される検出信号と同等の信号を取得するために行われる。当該第２のサンプリング周波数は、測定モジュール１０の消費電力を抑えるために選択される周波数であり、詳細には、上記最大周波数の２倍未満であり、上述の第１のサンプリング周波数よりも小さい周波数である。従って、第２のサンプリング周波数が上記最大周波数の２倍以下であることから、第２の検出信号には血流情報の算出に対して悪影響を与えるレベルの折り返し雑音成分が重畳されている。そして、折り返し雑音成分が重畳された第２の検出信号を処理することにより、折り返し雑音成分が重畳されているパワースペクトル（以下、第２のパワースペクトルと称する）が取得される。例えば、第２のサンプリング周波数としては、上述の第１のサンプリング周波数の２分の１以下の周波数を選択することができ、より具体的には、数ｋＨｚ〜数１０ｋＨｚ程度の周波数を選択することができる。

そして、本実施形態においては、上述のようにして得た、第１のパワースペクトルと第２のパワースペクトルとの関係を機械学習する。具体的には、機械学習においては、所定の規則に従って波形を比較したり、数学的な対応関係を導き出したりして、第１のパワースペクトルと第２のパワースペクトルとの関係を示す関係情報を取得する。血流中の粒子の速度分布は、一般には速度が速い粒子ほど少なくなる単調現象性を有しており、さらに、血管の形状や血液の粘性に起因する様々な条件に制約づけられた分布パターンを示すため、パワースペクトルの分布形状の制限は多い。従って、上述のような機械学習から関係情報を取得することが可能である。

さらに、本実施形態においては、別の血流測定によって検出した折り返し雑音成分が重畳した第３の検出信号から、折り返し雑音成分が重畳したパワースペクトル（以下、第３のパワースペクトルと称する）を取得する。なお、上記の別の血流測定は、測定モジュール１０での消費電力を抑えるために、低い第２のサンプリング周波数で行われる。そして、上述の機械学習で得た関係情報に基づいて、取得された第３のパワースペクトルから、当該第３のパワースペクトルに対応する、折り返し雑音成分が無視できるほど良好な状態にあるパワースペクトル（以下、第４のパワースペクトルと称する）を推定する。先に説明したように、血流中の粒子の速度分布は特有の性質を有し、パワースペクトラムの分布形状には制限がある。従って、上述の機械学習で得た関係情報に基づいて、折り返し雑音成分が重畳した第３のパワースペクトルから、当該第３のパワースペクトルに対応する、折り返し雑音成分が無視できるほど良好な状態にある第４のパワースペクトルを推定することが可能である。なお、当該第４のパワースペクトルは、上記の別の血流測定において第１のサンプリング周波数で実際に測定した場合に得られるパワースペクトルに対応する。

なお、以下の説明においては、血流測定により第１及び第２の検出信号を取得してから、機械学習で関係情報を取得するまでの動作を第１の動作と称する。さらに、以下の説明においては、別の血流測定により第３の検出信号を取得してから、第４のパワースペクトルを推定し、推定した第４のパワースペクトルから血流情報（例えば、脈拍数）を算出するまでの動作を第２の動作と称する。本実施形態においては、第１の動作については、高い第１のサンプリング周波数で測定を行うことから、測定モジュール１０での消費電力が高い。しかしながら、本実施形態においては、第１の動作を、毎回の血流測定において行うのではなく、所定のタイミングにおいてのみ実施するようにすることで、測定モジュール１０での消費電力を抑えることができる。そして、本実施形態においては、第２の動作は、通常の血流測定時での動作であり、低い第２のサンプリング周波数で血流測定を行うことから、測定モジュール１０での消費電力を抑えることができる。すなわち、毎回の血流測定において第２の動作を行うことにより、消費電力を抑えることが可能になる。以下に、このような本実施形態の詳細な構成及び動作を順次詳細に説明する。

なお、本実施形態に係る情報処理システム１、測定モジュール１０及び情報処理装置３０の構成については、先に説明したため、ここでは説明を省略する。

＜４．１ 第１の実施形態に係る処理部３００の構成について＞
以下に、本実施形態に係る処理部３００の詳細について、図９及び図１０を参照して説明する。図９は、本実施形態に係る情報処理装置３０の処理部３００の機能構成を示したブロック図である。図１０は、本実施形態に係る情報処理方法を説明する説明図である。先に説明したように、処理部３００は、測定モジュール１０で得られた検出信号を処理することにより、所望の血流情報を取得する。詳細には、図９に示すように、処理部３００は、信号間間引き部３１０と、広帯域スペクトル信号生成部３１２と、狭帯域スペクトル信号生成部３１４と、学習部３１６と、スペクトル信号推定部３１８と、血流情報算出部３２０と、脈拍算出部３２２とを主に有する。以下に、処理部３００の有する各機能部について説明する。

（信号間間引き部３１０）
信号間間引き部３１０は、第１の動作において、第１のサンプリング周波数で取得された第１の検出信号に対して、所定の規則に従って第１の検出信号に含まれる信号の一部を間引く処理を行い、第２のサンプリング周波数に対応する第２の検出信号を取得する。取得された第２の検出信号は、後述する狭帯域スペクトル信号生成部３１４に出力される。

（広帯域スペクトル信号生成部３１２）
広帯域スペクトル信号生成部３１２は、測定モジュール１０の検出部１０２により検出された第１の検出信号に対して処理を行い、第１のパワースペクトル８１０（図１０参照）を生成する。詳細には、広帯域スペクトル信号生成部３１２は、第１の検出信号に対してＦＦＴを行い、第１のパワースペクトル８１０を生成する（第１の処理方法）。もしくは、広帯域スペクトル信号生成部３１２は、第１の検出信号から自己相関関数を算出し、算出した自己相関関数に対してＦＦＴを行い、第１のパワースペクトル８１０を生成する（第２の処理方法）。

より具体的には、広帯域スペクトル信号生成部３１２は、第１の動作において、第１のサンプリング周波数で得られた第１の検出信号に対して処理を行い、第１のパワースペクトル８１０を生成する。生成した第１のパワースペクトル８１０は、機械学習に供されるために、後述する学習部３１６へ出力される。なお、当該第１のパワースペクトル８１０においては、第１のサンプリング周波数が十分に高いことから、折り返し雑音成分は血流情報の算出に対しての悪影響を無視できる程小さい。

（狭帯域スペクトル信号生成部３１４）
狭帯域スペクトル信号生成部３１４は、信号間間引き部３１０により処理された第２の検出信号に対して処理を行い、第２のパワースペクトル８２０（図１０参照）を生成する。詳細には、狭帯域スペクトル信号生成部３１４は、上述の広帯域スペクトル信号生成部３１２と同様に、信号間間引き部３１０により処理された第２の検出信号に対してＦＦＴを行い、第２のパワースペクトル８２０を生成する（第１の処理方法）。もしくは、狭帯域スペクトル信号生成部３１４は、第２の検出信号から自己相関関数を算出し、算出した自己相関関数に対してＦＦＴを行い、第２のパワースペクトル８２０を生成する（第２の処理方法）。一方、狭帯域スペクトル信号生成部３１４は、第２の動作においては、第２のサンプリング周波数で検出された第３の検出信号に対して処理を行い、第３のパワースペクトル８３０（図１０参照）を生成する。なお、当該第３のパワースペクトル８３０には、第２のサンプリング周波数が低いことから、折り返し雑音成分は血流情報の算出に対して悪影響を与える程大きく重畳されている。生成した第３のパワースペクトル８３０は、折り返し雑音成分がその悪影響を無視できる程小さい状態にある第４のパワースペクトル８４０（図１０参照）を推定するために、後述するスペクトル信号推定部３１８へ出力される。

より具体的には、狭帯域スペクトル信号生成部３１４は、第１の動作において、信号間間引き部３１０により処理された、第２のサンプリング周波数に対応する第２の検出信号に対して処理を行い、第２のパワースペクトル８２０を生成する。生成した第２のパワースペクトル８２０は、機械学習に供されるために後述する学習部３１６へ出力される。なお、当該第２のパワースペクトル８２０には、第２のサンプリング周波数が低いことから、折り返し雑音成分が血流情報の算出に対して悪影響を与える程大きく重畳されている。一方、第２の動作においては、狭帯域スペクトル信号生成部３１４は、第２のサンプリング周波数で得られた第３の検出信号に対して処理を行い、第３のパワースペクトル８３０を生成する。生成した第３のパワースペクトル８３０は、第４のパワースペクトル８４０を推定するためにスペクトル信号推定部３１８に供される。

（学習部３１６）
学習部３１６は、第１の動作において、広帯域スペクトル信号生成部３１２から出力された第１のパワースペクトル８１０と、狭帯域スペクトル信号生成部３１４から出力された第２のパワースペクトル８２０とを用いて機械学習を行う。そして、学習部３１６での機械学習により得られた情報（関係情報）は、後述するスペクトル信号推定部３１８で用いるために、記憶部３０２に格納される。

詳細には、広帯域スペクトル信号生成部３１２から出力された第１のパワースペクトル８１０は、先に説明したように、第１のサンプリング周波数に対応する第１の検出信号から生成されたパワースペクトルである。従って、第１のパワースペクトル８１０には、第１のサンプリング周波数が十分に高いことから、折り返し雑音成分が、当該折り返し雑音成分によって血流情報の算出に与えられる悪影響を無視できる程、小さい。その結果、折り返し雑音成分がその悪影響を無視できる程小さい状態にある第１のパワースペクトル８１０を処理することにより、正確な血流情報を取得することができる。一方、狭帯域スペクトル信号生成部３１４から出力された第２のパワースペクトル８２０は、先に説明したように、第２のサンプリング周波数に対応する信号から生成されたパワースペクトルである。従って、第２のパワースペクトル８２０には、第２のサンプリング周波数が低いことから、折り返し雑音成分が、血流情報の算出に対して悪影響を与える程大きく重畳されている。その結果、先に説明したように、折り返し雑音成分が大きく重畳されている第２のパワースペクトル８２０を直接処理して正確な血流情報を取得することは難しい。

そこで、学習部３１６は、第１及び第２のパワースペクトル８１０、８２０の関係を機械学習する。具体的には、学習部３１６は、所定の規則に従って、第１及び第２のパワースペクトル８１０、８２０をそれぞれ教師信号及び入力信号として、サポートベクターレグレッションやディープニューラルネットワークなどの教師付き学習器における学習を行う。さらに、学習部３１６は、上述の学習により、第１のパワースペクトル８１０と第２のパワースペクトル８２０との関係を示す関係情報を取得する。血流中の粒子の速度分布は特有の性質を有し、パワースペクトラムの分布形状には制限があるため、上述のような機械学習から特定の関係情報を見つけ出すことができる。例えば、図１０の上段に示すように、学習部３１６は、第１のパワースペクトル８１０と第２のパワースペクトル８２０とからなる１個のパワースペクトル対７００、もしくは、複数個のパワースペクトル対７００を用いて、機械学習により関係情報を取得する。

（スペクトル信号推定部３１８）
スペクトル信号推定部３１８は、第２の動作において、学習部３１６によって得た血流情報に関する関係情報に基づいて、血流測定により取得した第３のパワースペクトル８３０から第４のパワースペクトル８４０を推定する。詳細には、上記第３のパワースペクトルは折り返し雑音成分を含み、推定される第４のパワースペクトル８４０は、上記第３のパワースペクトルに対応する。そして、スペクトル信号推定部３１８によって推定された第４のパワースペクトル８４０は、後述する血流情報算出部３２０へ出力される。詳細には、スペクトル信号推定部３１８は、第２の動作において、狭帯域スペクトル信号生成部３１４から出力された、第２のサンプリング周波数に対応する第３のパワースペクトル８３０を入力信号して取得する。そして、スペクトル信号推定部３１８は、学習部３１６の機械学習によって得た関係情報に基づき、第３のパワースペクトル８３０から、折り返し雑音成分による悪影響を無視できる状態にある第４のパワースペクトル（第１のサンプリング周波数に対応するパワースペクトル）８４０を推定する。例えば、スペクトル信号推定部３１８は、図１０の下段に示す各第３のパワースペクトル８３０から、関係学習（図１０の上段参照）に基づいて、図１０の下段に示す各第４のパワースペクトル８４０を推定する。

（血流情報算出部３２０）
血流情報算出部３２０は、第２の動作において、スペクトル信号推定部３１８で推定された第４のパワースペクトル８４０を用いて、血流情報（血流速度や、所定の速度範囲にある、血管中の粒子密度等）を算出する。そして、血流情報算出部３２０によって算出された血流情報は、後述する脈拍算出部３２２へ出力される。詳細には、血流情報算出部３２０は、第４のパワースペクトル８４０に対して、粒子速度と比例関係にある周波数との積を取った値をパワースペクトル全域で積分し、その後、規格化することにより、血流速度等を得ることができる。そして、血流情報算出部３２０は、複数の第４のパワースペクトル８４０から複数の血流速度を取得することにより、血流速度の経時変化を示す波形を取得する（第１の処理方法）。もしくは、血流情報算出部３２０は、第４のパワースペクトル８４０に対して所定の周波数範囲で積分を行うことにより、血管中の、所定の速度範囲にある粒子の相対密度を得ることができる。さらに、血流情報算出部３２０は、複数の異なる時間範囲から算出した複数の第４のパワースペクトル８４０から複数の粒子の相対密度を取得することにより、粒子の相対密度の経時変化を示す波形を取得する（第２の処理方法）。

（脈拍算出部３２２）
脈拍算出部３２２は、上述の第２の動作において、血流情報算出部３２０から得られた波形に対して補間処理等を行うことにより、脈拍波形を算出し、当該脈拍波形から脈拍数を算出する。脈拍算出部３２２により得られた脈拍数等は、記憶部３０２に出力されてもよく、もしくは、上述の情報掲示装置（図示省略）に出力されてもよい。

＜４．２ 第１の実施形態に係る情報処理方法について＞
次に、本開示の第１の実施形態に係る情報処理方法について説明する。本実施形態に係る情報処理方法は、先に説明したように、主に、第１の動作と第２の動作とで分けることができる。第１の動作においては、高い第１のサンプリング周波数に対応する第１のパワースペクトル８１０と、低い第２のサンプリング周波数に対応する第２のパワースペクトル８２０とを取得し、これらの関係を機械学習する。また、第２の動作においては、第２のサンプリング周波数に対応する第３のパワースペクトル８３０を取得する。そして、第３のパワースペクトル８３０から、折り返し雑音成分による悪影響を無視できる状態にある、すなわち、第１のサンプリング周波数に対応する第４のパワースペクトル８４０を推定する。さらに、当該第２の動作においては、推定した第４のパワースペクトル８４０から所望の血流情報を取得する。そこで、以下においては、本実施形態に係る情報処理方法を第１の動作と第２の動作とに分けて説明する。

＜４．２．１ 第１の動作＞
まず、本実施形態に係る情報処理方法の第１の動作を、図１１を参照して説明する。図１１は、本実施形態に係る情報処理方法における第１の動作のフローチャートを示した図である。図１１に示すように、本実施形態に係る情報処理方法における第１の動作には、ステップＳ１０１からステップＳ１０７までが含まれる。以下に第１の動作の各ステップを説明する。

まずは、第１の動作を開始する前に、例えば、図４に示すように、上述の測定モジュール１０を被測定者の手首等に装着する。なお、第１の動作は、例えば、被測定者の身体の一部に測定モジュール１０が装着された際に行ってもよく、被測定者が初めての測定を行う際に行ってもよい。また、第１の動作は、血流測定の開始時に行ってもよく、血流測定において所定の期間（１０分、２０分）ごとに行ってもよい。もしくは、第１の動作は、情報処理システム１を利用するユーザによる操作を受け付けた際に行ってもよい。

（ステップＳ１０１）
被測定者の身体の一部に測定モジュール１０が装着されたことを検知した際等に、測定モジュール１０は血流測定を開始する。そして、情報処理装置３０は、第１のサンプリング周波数に対応する第１の検出信号を取得する。なお、当該ステップＳ１０１を繰りかえすことにより、複数回の血流測定を行ってもよい。

（ステップＳ１０３）
情報処理装置３０は、ステップＳ１０１で検出した、第１のサンプリング周波数に対応する第１の検出信号に対して、所定の規則に基づいて間引き処理を行い、第２のサンプリング周波数に対応する第２の検出信号を取得する。

（ステップＳ１０５）
情報処理装置３０は、ステップＳ１０１で検出した第１のサンプリング周波数に対応する第１の検出信号に対して処理を行い、第１のパワースペクトル８１０を生成する。さらに、情報処理装置３０は、ステップＳ１０３で取得した第２のサンプリング周波数に対応する第２の検出信号に対して処理を行い、第２のパワースペクトル８２０を生成する。なお、上述のステップＳ１０１を繰りかえし複数回の血流測定を行った場合には、ステップＳ１０３及びステップＳ１０５は複数回繰り返される。

このように、ステップＳ１０１からステップＳ１０５までを１回又は複数回行うことにより、図１０の上段に示すような、第１のパワースペクトル８１０と第２のパワースペクトル８２０とからなる、１個又は複数個のパワースペクトル対７００を得ることができる。

（ステップＳ１０７）
情報処理装置３０は、ステップＳ１０５で生成したパワースペクトル対７００を用いて、第１及び第２のパワースペクトル８１０、８２０の関係を機械学習する。そして、情報処理装置３０は、機械学習で得た、第１及び第２のパワースペクトル８１０、８２０の関係情報を、第２の動作において用いる情報として格納する。なお、当該ステップＳ１０７の学習において用いるパワースペクトル対７００は、１個であってもよく、もしくは複数個であってもよく、所望する血流情報の精度等に応じて選択することができる。

なお、上述の第１の動作は、情報処理システム１において実施しなくてもよく、別の情報処理システム１において取得された関係情報を、情報処理装置３０の製造や出荷時等に、記憶部３０２にあらかじめ格納しておいてもよい。この場合、第１の動作を経ることなく、第２の動作、すなわち、通常の血流測定をすぐに行うことができる。また、複数の特徴が異なる被測定者において測定したデータを用いて上述の第１の動作を繰り返すことにより、多様な被測定者に対して安定してパワースペクトルを推定する性能を得ることができる。さらに、本実施形態においては、血流測定中に特定のタイミングで第１の動作を行うことにより、リアルタイムで学習を行うこともできる。この場合、被測定者の血流特性に合わせた学習を行うことができることから、他の被測定者における学習結果のみに基づいて推定を行う場合と比較して、推定の精度をより高めることができる。加えて、測定モジュール１０の装着の際に、第１の動作を行うことにより、測定モジュール１０の装着状態（被測定者の身体の一部にきつく装着されている又はゆるく装着されている等）や装着部位にあわせて学習を行うことができることから、推定の精度をさらに高めることができる。

＜４．２．２ 第２の動作＞
次に、本実施形態に係る情報処理方法の第２の動作を、図１２を参照して説明する。図１２は、本実施形態に係る情報処理方法における第２の動作のフローチャートを示した図である。図１２に示すように、本実施形態に係る情報処理方法における第２の動作には、ステップＳ２０１からステップＳ２０９までが含まれる。以下に第２の動作の各ステップを説明する。

まずは、第２の動作を開始する前に、例えば、図４に示すように、上述の測定モジュール１０を被測定者の手首等に装着する。

（ステップＳ２０１）
被測定者の身体の一部に測定モジュール１０が装着されたことを検知した際等に、測定モジュール１０は血流測定を開始する。そして、情報処理装置３０は、第２のサンプリング周波数での第３の検出信号を取得する。なお、連続的にステップＳ２０１を繰り返すことで、連続的に血流測定を行うことができる。

（ステップＳ２０３）
情報処理装置３０は、ステップＳ２０１で検出した第２のサンプリング周波数に対応する第３の検出信号に対して処理を行い、第３のパワースペクトル８３０を生成する。なお、上述のステップＳ２０１を繰りかえし複数回の血流測定を行った場合には、ステップＳ２０３は複数回繰り返される。このように、ステップＳ２０１からステップＳ２０３までを複数回行うことにより、図１０の下段に示すような、複数の第３のパワースペクトル８３０を得ることができる。これにより、第３のパワースペクトル８３０を時系列で連続的に取得することができる。

（ステップＳ２０５）
情報処理装置３０は、第１の動作のステップＳ１０７で得た関係情報に基づいて、ステップＳ２０３で得た折り返し雑音成分が重畳された第３のパワースペクトル８３０から、第４のパワースペクトル８４０を推定する。推定される第４のパワースペクトル８４０においては、折り返し雑音成分がその悪影響を無視できる程小さい。

（ステップＳ２０７）
情報処理装置３０は、ステップＳ２０５で推定された第４のパワースペクトル８４０を用いて所望の血流情報を取得する。

（ステップＳ２０９）
情報処理装置３０は、ステップＳ２０７で得られた血流情報から脈拍数を算出する。なお、当該ステップＳ２０９で得られた脈拍数は、記憶部３０２に出力されてもよく、もしくは、上述の情報掲示装置（図示省略）に出力されてもよい。

以上のように、本実施形態においては、サンプリング周波数を低下させたことに起因して折り返し雑音成分が重畳された第３のパワースペクトル８３０が検出されることとなる。そこで、本実施形態においては、折り返し雑音成分の悪影響を無視できる状態にある第１のパワースペクトル８１０と、第１のパワースペクトル８１０に対応する、折り返し雑音成分が大きく重畳されている第２のパワースペクトル８２０との関係を機械学習する。そして、本実施形態においては上記関係を示す関係情報を取得する。さらに、当該関係情報に基づいて、上記第３のパワースペクトル８３０から、折り返し雑音成分の悪影響を無視できる状態にある第４のパワースペクトル８４０を推定し、推定された第４のパワースペクトル８４０を用いて、所望する血流情報（脈拍数等）を取得する。従って、本実施形態においては、サンプリング周波数を低下させて測定モジュール１０の消費電力を抑えつつ、サンプリング周波数の低下に起因する折り返し雑音成分が重畳された第３のパワースペクトル８３０から精度の高い血流情報を得ることができる。

＜４．３ 第１の実施形態の変形例＞
上述の第１の実施形態においては、第１の動作のステップＳ１０３において、第２のサンプリング周波数に対応する第２の検出信号を得るために、第１の検出信号に対して間引き処理を行っていた。しかしながら、本実施形態においては、このような形態に限定されるものではない。例えば、同時に２つの検出部１０２を動作させて、第１のサンプリング周波数に対応する第１の検出信号と、第２のサンプリング周波数に対応する第２の検出信号を同時に取得してもよい。この場合、処理部３００において、信号間引き処理を行うことがないことから、処理部３００における処理量を低減することができる。以下に、このような実施形態を上述の第１の実施形態の変形例として説明する。

本変形例においては、第１の実施形態に係る構成と比べて、２つの検出部１０２を設け、さらに処理部３００ａにおいて信号間間引き部３１０を省いた構成を持つ。詳細には、本変形例に係る処理部３００ａの機能構成を示したブロック図である図１３に示されるように、本変形例においては、第１の検出部１０２ａと第２の検出部１０２ｂとが設けられ、処理部３００ａ内においては信号間間引き部３１０が設けられていない。第１の検出部１０２ａは、第１の動作において、第１のサンプリング周波数で血流測定を行い、第１の検出信号を広帯域スペクトル信号生成部３１２へ出力する。さらに、第１の検出部１０２ａは、第２の動作において、第２のサンプリング周波数で血流測定を行い、第３の検出信号を狭帯域スペクトル信号生成部３１４へ出力する。また、第２の検出部１０２ｂは、第１の動作において、第２のサンプリング周波数で血流測定を行い、第２の検出信号を狭帯域スペクトル信号生成部３１４へ直接出力する。すなわち、本変形例においては、上述の第１の実施形態に係る情報処理方法の第１の動作のフローチャートを示した図１１中のステップＳ１０１では、第１及び第２のサンプリング周波数での血流測定を行うこととなる。さらに、本変形例においては、図１１中のステップＳ１０３を行うことなく、パワースペクトルを生成する次のステップＳ１０５に進むこととなる。

例えば、図１３に示す本変形例に係る２つの検出部１０２ａ、１０２ｂを設けた機材については、例えば事前に機械学習のための学習データを採取する際に使用するものとする。さらに、量産する商品としては、第２のサンプリング周波数で血流測定を行う１つの検出部１０２ｂを設けた機材とする。このようにすることで、量産する商品においては、低い第２のサンプリング周波数で動作する１つの検出部１０２を設けるだけでよいため、商品の製造コストを下げることが可能になる。

＜＜５． 第２の実施形態＞＞
上述の第１の実施形態においては、パワースペクトル（第４のパワースペクトル８３０）を推定していた。しかしながら、本実施形態においては、パワースペクトルを推定することに限定されるものではなく、血流速度等の血流情報を推定してもよい。以下に、このような実施形態を第２の実施形態として説明する。以下の説明においては、平均血流速度を推定するものとして説明する。本実施形態においては、平均血流速度を直接的に推定することから、第２の動作での処理量を低減することができる。なお、本実施形態に係る情報処理システム１、測定モジュール１０及び情報処理装置３０の構成については、先に説明したため、ここでは説明を省略する。

＜５．１ 第２の実施形態に係る処理部３００ｂの構成について＞
本実施形態においては、処理部３００ｂの有する各機能部が、第１の実施形態に係る処理部３００とは異なる。以下に、本実施形態に係る処理部３００ｂの構成について、図１４及び図１５を参照して説明する。図１４は、本実施形態に係る処理部３００ｂの機能構成を示したブロック図である。図１５は、本実施形態に係る情報処理方法を説明する説明図である。

図１４に示すように、処理部３００ｂは、信号間間引き部３１０と、広帯域スペクトル信号生成部３１２と、狭帯域スペクトル信号生成部３１４と、学習部３１６ａと、血流情報算出部３２０と、脈拍算出部３２２と、血流情報推定部３２４とを主に有する。すなわち、本実施形態においては、学習部３１６ａ、及び血流情報推定部３２４が第１の実施形態と異なる。従って、ここでは、第１の実施形態と共通する機能部についての説明を省略し、各機能部の結合関係と、学習部３１６ａ及び血流情報推定部３２４についてのみ説明する。

（第２の実施形態に係る処理部３００ｂにおける各機能部の結合関係）
第２の実施形態においては、広帯域スペクトル信号生成部３１２の算出結果は血流情報算出部３２０に出力される。また、狭帯域スペクトル信号生成部３１４の算出結果は学習部３１６ａ及び血流情報推定部３２４に出力される。血流情報算出部３２０の算出結果は学習部３１６ａに出力される。学習部３１６ａの学習結果は、記憶部３０２を経由して血流情報推定部３２４が推定を行う際に使用する。さらに、血流情報推定部３２４の推定結果は脈拍算出部３２２に出力される。

（学習部３１６ａ）
学習部３１６ａは、上述の第１の動作において、血流情報算出部３２０から出力された平均血流速度（第１の平均血流速度）と、狭帯域スペクトル信号生成部３１４から出力された第２のパワースペクトル８２０とを用いて機械学習を行う。そして、学習部３１６ａでの機械学習により得られた、平均血流速度と第２のパワースペクトル８２０との関係情報は、後述する血流情報推定部３２４で用いるために、記憶部３０２に格納される。なお、学習部３１６ａに出力される平均血流速度は、折り返し雑音成分がその悪影響を無視できるほど小さい第１の検出信号を処理して得たものである。より具体的には、図１５の上段に示すように、学習部３１６ａは、第１のパワースペクトル８１０から取得された血流速度分布７１０からの平均血流速度を取得する。さらに、学習部３１６ａは、第１のパワースペクトル８１０とパワースペクトル対７００を成す第２のパワースペクトル８２０を取得する。そして、学習部３１６ａは、平均血流速度と第２のパワースペクトル８２０との関係を学習する。言い換えると、学習部３１６ａでは、折り返し雑音成分が重畳されている第２のパワースペクトル８２０と、折り返し雑音成分の影響を受けていない平均血流速度との関係を学習する。なお、学習部３１６ａで対応関係を学習する第２のパワースペクトル８２０は、１個であっても時間範囲が異なる複数個であってもよい。後述の血流情報推定部３２４の例においては、５個の時間範囲が異なる第２のパワースペクトル８２０と１つの平均血流速度との関係を学習する（図１５参照）。

（血流情報推定部３２４）
血流情報推定部３２４は、第２の動作において、学習部３１６ａによって得た関係情報に基づいて、折り返し雑音成分が重畳された第３のパワースペクトル８３０から、平均血流速度を推定する。そして、血流情報推定部３２４によって推定された平均血流速度は、上述の脈拍算出部３２２ａへ出力される。例えば、血流情報推定部３２４は、図１５の下段に示す各第３のパワースペクトル８３０から、関係学習（図１５の上段参照）に基づいて、図１５の下段に示す平均血流速度を推定する。ここでは一例として、血流情報推定部３２４は、時間範囲の異なる５個のパワースペクトル８３０から、対応する平均血流速度を推定する。

＜５．２ 第２の実施形態に係る情報処理方法について＞
次に、本実施形態に係る情報処理方法について説明する。本実施形態に係る情報処理方法は、第１の実施形態と同様に、第１の動作と第２の動作とで分けることができる。まず、本実施形態に係る情報処理方法の第１の動作を、第１の実施形態に係る第１の動作のフローチャートである図１１を参照して説明する。本実施形態の第１の動作は、第１の実施形態と比べて、図１１に示すステップＳ１０５において、パワースペクトルを生成するだけでなく、平均血流速度を算出する点で異なる。さらに、本実施形態の第１の動作は、第１の実施形態と比べて、図１１に示すステップＳ１０７において、第１及び第２のパワースペクトル８１０、８２０の関係を学習するのではなく、第２のパワースペクトル８２０と平均血流速度との関係を学習する点で異なる。

次に、本実施形態に係る情報処理方法の第２の動作を、第１の実施形態に係る第２の動作のフローチャートである図１２を参照して説明する。本実施形態の第２の動作は、第１の実施形態と比べて、図１２に示すステップＳ２０５において、第３のパワースペクトル８３０を推定する代わりに、平均血流速度を推定する点で異なる。

以上のように、本実施形態においては、第１の実施形態と同様に、サンプリング周波数を低下させたことに起因して折り返し雑音成分が重畳された第３のパワースペクトル８３０が検出されることとなる。そこで、本実施形態においては、折り返し雑音成分がその悪影響を無視できる程小さい第１のパワースペクトル８１０から得られる平均血流速度を取得する。さらに、当該平均血流速度と、当該第１のパワースペクトル８１０に対応する折り返し雑音成分が重畳されているパワースペクトル８２０との関係を機械学習することにより、関係情報を取得する。そして、本実施形態においては、当該関係情報に基づいて、上記第３のパワースペクトル８３０から、折り返し雑音成分からの影響を受けていない平均血流速度を推定し、推定された平均血流速度を用いて、所望する血流情報（脈拍数等）を取得する。従って、本実施形態によれば、サンプリング周波数を低下させて測定モジュール１０の消費電力を抑えつつ、サンプリング周波数の低下に起因する折り返し雑音成分が重畳されたパワースペクトル８３０から正確な血流情報を得ることができる。加えて、本実施形態においては、平均血流速度を直接的に推定することから、第２の動作での処理量を低減することができる。

＜５．３ 第２の実施形態の変形例＞
上述の第２の実施形態においては、血流平均速度を推定していたが、本実施形態においては、このような形態に限定されるものではない。例えば、所定の速度範囲にある粒子の相対密度を推定してもよい。以下に、本実施形態の変形例に係る情報処理方法を説明する説明図である図１６を参照して、粒子の相対密度を推定する本実施形態の変形例を説明する。

本変形例の第１の動作においては、図１６の上段に示されるように、第１のサンプリング周波数に対応する第１の検出信号を取得し、第１の検出信号に対して処理を行い、血管中の粒子密度の分布７２０を取得する。さらに、本変形例においては、粒子密度分布７２０から、所定の速度範囲にある血管中の粒子の相対密度（第１の特定速度域粒子相対密度）を算出する。また、本変形例においては、第１及び第２の実施形態に同様に、第２のサンプリング周波数に対応する第２の検出信号を取得し、第２のパワースペクトル８２０を生成する。そして、本変形例においては、第２のパワースペクトル８２０と第１の特定速度域粒子相対密度の関係を機械学習する。

さらに、本変形例の第２の動作においては、第１及び第２の実施形態に同様に、第２のサンプリング周波数に対応する第３の検出信号を取得し、取得した第３の検出信号を処理して第３のパワースペクトル８３０を取得する（図１６の下段参照）。そして、本変形例においては、機械学習により得られた関係情報（図１６の上段参照）に基づいて、第３のパワースペクトル８３０から特定速度域粒子相対密度（第２の特定速度域粒子相対密度）を推定する（図１６の下段参照）。

＜＜６． 第３の実施形態＞＞
上述の第１及び第２の実施形態においては、パワースペクトルや平均血流速度等を推定していた。しかしながら、本実施形態においては、パワースペクトル等を推定することに限定されるものではなく、直接的に脈拍数等を推定してもよい。以下に、このような実施形態を、第３の実施形態として説明する。本実施形態においては、直接的に脈拍数を推定することから、第２の動作での処理量を低減することができる。なお、本実施形態に係る情報処理システム１、測定モジュール１０及び情報処理装置３０の構成については、先に説明したため、ここでは説明を省略する。

＜６．１ 第３の実施形態に係る処理部３００ｃの構成について＞
本実施形態においては、処理部３００ｃの有する各機能部が、第１及び第２の実施形態に係る処理部３００、３００ｂとは異なる。以下に、本実施形態に係る処理部３００ｃの構成について、図１７及び図１８を参照して説明する。図１７は、本実施形態に係る処理部３００ｃの機能構成を示したブロック図である。図１８は、本実施形態に係る情報処理方法を説明する説明図である。

図１７に示すように、処理部３００ｃは、信号間間引き部３１０と、広帯域スペクトル信号生成部３１２と、狭帯域スペクトル信号生成部３１４と、学習部３１６ｂと、血流情報算出部３２０と、脈拍算出部３２２と、脈拍推定部３２６とを主に有する。すなわち、本実施形態においては、学習部３１６ｂ及び脈拍推定部３２６が第２の実施形態と異なる。従って、ここでは、第２の実施形態と共通する機能部についての説明を省略し、各機能部の結合関係と、学習部３１６ｂ及び脈拍推定部３２６についてのみ説明する。

（第３の実施形態に係る処理部３００ｃにおける各機能部の結合関係）
第３の実施形態においては、血流情報算出部３２０の算出結果は脈拍算出部３２２に出力される。脈拍算出部３２２の算出結果は学習部３１６ｂに出力される。狭帯域スペクトル信号生成部３１４の算出結果は学習部３１６ｂ及び脈拍推定部３２６に出力される。学習部３１６ｂの学習結果は、記憶部３０２を経由して脈拍推定部３２６が推定を行う際に使用される。

（学習部３１６ｂ）
学習部３１６ｂは、第１の動作において、脈拍算出部３２２から出力された脈拍数と、狭帯域スペクトル信号生成部３１４から出力された第２のパワースペクトル８２０とを用いて機械学習を行う。そして、学習部３１６ｂでの機械学習により得られた、脈拍数と第２のパワースペクトル８２０との関係情報は、後述する脈拍推定部３２６で用いるために、記憶部３０２に格納される。なお、学習部３１６ｂに出力される脈拍数は、折り返し雑音成分がその悪影響を無視できる程小さい複数の第１の検出信号を処理して得たものである。より具体的には、図１８の上段に示すように、学習部３１６ｂは、第１のパワースペクトル８１０から取得された脈拍波形７３０からの脈拍数を取得する。さらに、学習部３１６ｂは、第１のパワースペクトル８１０とパワースペクトル対７００を成す第２のパワースペクトル８２０を取得する。そして、学習部３１６ｂは、脈拍数と第２のパワースペクトル８２０との関係を学習する。言い換えると、学習部３１６ｂでは、折り返し雑音成分が重畳されている第２のパワースペクトル８２０と、折り返し雑音成分の影響を受けていない脈拍数との関係を学習する。なお、学習部３１６ｂで効率的に学習を行うためには、時間範囲が異なる複数の第２のパワースペクトル８２０が、当該時間範囲の違いが脈拍の拍動間隔よりも長くなるような期間に亘って学習部３１６ｂに入力されることが望ましい。なお、学習部３１６ｂは、学習部３１６ｂに、脈拍算出部３２２からの情報の代替として、処理部３００ｃの外部から別の測定器を用いて測定した心拍数を入力して、学習を行うこともできる。この場合は、脈拍推定部が推定するのは、機械学習の理論上は脈拍数ではなく心拍数ということになるが、血流情報を元に推定を行っていることから、実際には脈拍数を推定していることと同等となる。このような変形を行うことで、追加の測定器は必要となるものの、さらに学習に用いる教師信号の精度を高めることができる。

（脈拍推定部３２６）
脈拍推定部３２６は、第２の動作において、学習部３１６ｂによって得た関係情報に基づいて、折り返し雑音成分が重畳された第３のパワースペクトル８３０から、脈拍数を推定する。脈拍推定部３２６により得られた脈拍数は、記憶部３０２に出力されてもよく、もしくは、上述の情報掲示装置（図示省略）に出力されてもよい。より具体的には、脈拍推定部３２６は、図１８の下段に示す各第３のパワースペクトル８３０から、関係学習（図１８の上段参照）に基づいて、図１８の下段に示す脈拍数を推定する。

＜６．２ 第３の実施形態に係る情報処理方法について＞
次に、本実施形態に係る情報処理方法について説明する。本実施形態に係る情報処理方法は、第１の実施形態と同様に、第１の動作と第２の動作とで分けることができる。まず、本実施形態に係る情報処理方法の第１の動作を、第１の実施形態に係る第１の動作のフローチャートである図１１を参照して説明する。

本実施形態の第１の動作は、第１の実施形態と比べて、図１１に示すステップＳ１０５において、パワースペクトルを生成するだけでなく、血流情報及び脈拍数（第１の脈拍数）を算出する点で異なる。さらに、本実施形態の第１の動作は、第１の実施形態と比べて、図１１に示すステップＳ１０７において、第１及び第２のパワースペクトル８１０、８２０の関係を学習するのではなく、第２のパワースペクトル８２０と脈拍数との関係を学習する点で異なる。

次に、本実施形態に係る情報処理方法の第２の動作を、第１の実施形態に係る第２の動作のフローチャートである図１２を参照して説明する。本実施形態の第２の動作は、第１の実施形態と比べて、図１２に示すステップＳ２０５及びステップＳ２０７をスキップし、ステップＳ２０９において、血流情報から脈拍数を算出する代わりに第３のパワースペクトル８３０から脈拍数（第２の脈拍数）を推定する点で異なる。

以上のように、本実施形態においては、第１の実施形態と同様に、サンプリング周波数を低下させたことに起因して折り返し雑音成分が重畳されたパワースペクトル８３０が検出されることとなる。そこで、本実施形態においては、折り返し雑音成分がその悪影響を無視できる程小さい第１のパワースペクトル８１０から得られる脈拍数を取得する。さらに、当該脈拍数と、当該第１のパワースペクトル８１０に対応する折り返し雑音成分が重畳されているパワースペクトル８２０との関係を機械学習することにより、関係情報を取得する。そして、本実施形態においては、当該関係情報に基づいて、上記パワースペクトル８３０から、折り返し雑音成分からの影響を受けていない脈拍数を推定する。従って、本実施形態においては、サンプリング周波数を低下させて測定モジュール１０の消費電力を抑えつつ、サンプリング周波数の低下に起因する折り返し雑音成分が重畳されたパワースペクトル８３０から正確な血流情報を得ることができる。加えて、本実施形態においては、直接的に脈拍数を推定することから、第２の動作での処理量を低減することができる。

なお、本開示の実施形態は、上述のような第１から第３の実施形態に限定されるものではなく、他の血流情報や、特定の血流情報と比例又は反比例するというような特定の関係にある関数等の情報を推定してもよく、特に限定されるものではない。例えば、本開示の実施形態においては、高い第１のサンプリング周波数で得られた血流情報等（第１の血流情報）と、低い第２のサンプリング周波数で得られた血流情報等（第２の血流情報）との関係を学習する（異なる２種類の血流情報等の間の関係を学習する）。この場合、別の血流測定における低い第２のサンプリング周波数で得られた血流情報等（第３の血流情報）から、学習した関係情報に基づき、高い第１のサンプリング周波数で得られるであろう、折り返し雑音成分がその悪影響を無視できる程小さい血流情報等（第４の血流情報）を推定する。すなわち、本開示の実施形態においては、一方の種類の血流情報等から、当該一方の種類の血流情報等に対応する他方の種類の血流情報等を推定する。また、例えば、本開示の実施形態においては、雑音の影響を受けていない（雑音が重畳されていない）血流情報等と、雑音の影響を受けている（雑音が重畳されている）血流情報との間の関係を学習してもよい。この場合においては、当該学習に基づいて、別の血流測定において得られた雑音の影響を受けている血流情報等から、雑音の影響を受けていない血流情報等を推定する。

＜＜７． 第４の実施形態＞＞
上述の第１から第３の実施形態において行われる推定の精度を高めるためには、当然のことながら他の雑音成分が重畳されていない検出信号又は血流情報を用いることが好ましい。他の雑音成分を除去する事例としては、例えば、脈拍数を得る目的で血流測定をしている際に、被測定者が腕部を振るような運動を行った場合に用いる事例が知られている。この事例においては、運動によって生じる加速度が血流を変化させて雑音成分を生じさせるため、加速度計の情報を用いて血流変化を起こす雑音成分をキャンセルする。しかしながら、例えば、腕部で信号を測定している際に指を動かすと、それに起因した雑音成分が検出信号等に重畳してしまうことがある。より具体的には、血流測定時に指を動かしたことにより生じる腕部より先の血液流路の物理的変化により、被測定者の腕部の血流速度が変調されて、心拍による変動と混合し、正確な脈拍数（脈拍波形）が取得できないことがある。しかし、この場合、腕部の加速度には殆ど変化がないため、上述のような加速度計を用いた雑音成分のキャンセルでは、得られる効果が小さい。そこで、第４の実施形態においては、被測定者の体動に起因する雑音成分を検出信号又は血流情報等から除去して、正確な血流情報を得ることが可能な実施形態を提案する。例えば、本実施形態を、上述の第１から第３の実施形態と組み合わせることにより、各実施形態における学習や推定の精度をより高めることができる。

詳細には、上述の例に該当する被測定者の体動にも様々なものがあり、例えば、測定モジュール１０を被測定者の手首に装着した場合を考えた場合、測定モジュール１０が装着された腕部を振るような運動や、指先だけのタイピング運動等を挙げることができる。そして、このような体動の違いにより血流は様々な影響を受ける。具体的には、例えば、体動が腕部を振るような運動である場合には、体動により該当する腕部の動脈における血流速度が変調され、動脈から検出される血流情報は、体動に起因する雑音成分を含んだものになる。本開示においては、測定部位は広い領域ではないのでほぼ一体で動き、運動による加速度はほぼ均一である。一方、血液が存在する血管の種類に応じて、流路としての血管から受ける抵抗定数は異なる。実際に引き起こされる血管中の粒子の運動の変化は、両者の合力でもたらされるため、粒子が存在する血管の種類ごとにその傾向が異なる。また、体動がタイピング運動である場合には、指先の変形の影響の伝搬は血管の種類ごとに異なるため、やはり血管の種類ごとに粒子の運動の傾向に差が現れる。すなわち、体動に応じて、身体中の血管の種類ごとに体動から受ける影響は異なることとなる。

ところで、本実施形態で用いられる血流情報計測方法では、先に説明したように、照射した光が到達している範囲内の生体組織における血管における血流情報を一度に取得することができる。より具体的には、本実施形態で用いられる血流情報計測方法では、被測定者の皮膚の表面近くにある毛細血管だけでなく、その内側にある細動脈等の血流情報を一度に取得することができる。従って、本実施形態で検出される検出信号には、これらの様々な血管から得られる複数の信号成分が含まれている。そして、本実施形態で用いられる所定の速度範囲にある血流内の相対粒子密度を求める方法では、これら血管の種類ごとに流れる血液の血流速度は異なることから（例えば、細動脈で数〜数１０ｍｍ／ｓｅｃ程度、毛細血管で数１００μｍ／ｓｅｃ程度）、血管の種類ごとの血流速度範囲にあわせた範囲において上記検出信号を処理する。その結果、当該方法では、血管の種類ごとに独立した信号成分を得ることができる。

そこで、本実施形態においては、１つの検出信号から得たパワースペクトルを複数の範囲で処理することにより得られた、複数の独立した信号成分を用いて、体動に起因する雑音成分を算出し、算出した雑音成分を検出信号から除去する。詳細には、例えば、体動に起因する雑音成分が、上記複数の信号成分のうちの１つにおいて不規則信号として重畳されている場合には、当該不規則信号が重畳された信号成分と、当該不規則信号が重畳されていない信号成分とを比較する。そして、当該比較に基づき、不規則信号を抽出することにより雑音成分を算出することができる。また、例えば、体動に起因する雑音成分が、上記複数の信号成分のうちの複数において特定の比率で不規則信号として重畳されている場合には、不規則信号が重畳された信号成分を比較し、共通する不規則信号を抽出することにより雑音成分を算出することができる。さらに、上述の第１から第３の実施形態のように、各信号成分と、体動に起因する雑音成分との関係を学習し、当該学習で得た関係情報に基づいて、別の血流測定で得られた検出信号に含まれる複数の信号成分から、雑音成分を推定してもよい。また、本実施形態に係る情報処理システムに加速度センサ（図示省略）が含まれている場合には、加速度センサによって得られた検出結果を追加的に用いて、雑音成分の算出の精度を高めてもよい。

このような本実施形態によれば、雑音成分が除去された検出信号を用いることで、正確な血流情報を得ることができる。以下に、このような実施形態を、第４の実施形態として説明する。なお、本実施形態に係る情報処理システム１、測定モジュール１０及び情報処理装置３０の構成については、先に説明したため、ここでは説明を省略する。さらに、本実施形態においては、情報処理システム１は、先に説明したように加速度センサ等を含んでもよい。当該加速度センサは、例えば、測定モジュール１０に内蔵されて、もしくは、測定モジュール１０とは別に、被測定者の身体の所定の箇所に１つ又は複数装着され、被測定者の身体の一部の動きを検出する。

＜７．１ 第４の実施形態に係る処理部３００ｄの構成について＞
本実施形態においては、処理部３００ｄの有する各機能部が、第１の実施形態に係る処理部３００とは異なる。以下に、本実施形態に係る処理部３００ｄの構成について、図１９及び図２０を参照して説明する。図１９は、本実施形態に係る処理部３００ｄの機能構成を示したブロック図である。図２０は、本実施形態に係る情報処理方法を説明する説明図である。図１９に示すように、処理部３００ｄは、スペクトル信号生成部３１２ａと、第１の血流情報算出部３２０ａと、第２の血流情報算出部３２０ｂと、脈拍算出部３２２ａと、適応フィルター部３２８とを主に有する。以下に、処理部３００ｄの有する各機能部について説明する。

（スペクトル信号生成部３１２ａ）
スペクトル信号生成部３１２ａは、測定モジュール１０の検出部１０２により検出した検出信号に対して処理を行い、パワースペクトルを生成し、後述する第１の血流情報算出部３２０ａと第２の血流情報算出部３２０ｂと適応フィルター部３２８とに出力する。

（第１の血流情報算出部３２０ａ及び第２の血流情報算出部３２０ｂ）
第１の血流情報算出部３２０ａ及び第２の血流情報算出部３２０ｂは、スペクトル信号生成部３１２ａから出力されたパワースペクトルに対して、互いに異なる周波数範囲において処理を行うことにより、互いに異なる信号成分を得る。詳細には、図２０に示されるように、第１の血流情報算出部３２０ａ及び第２の血流情報算出部３２０ｂは、スペクトル信号生成部３１２ａから出力された複数のパワースペクトル８５０に対して処理を行う。より具体的には、第１の血流情報算出部３２０ａは、各パワースペクトル８５０に対して第１の周波数範囲７４０ａにおいて処理を行い、第１の信号成分を取得する。また、第２の血流情報算出部３２０ｂは、各パワースペクトル８５０に対して、第１の周波数範囲７４０ａとは異なる範囲である第２の周波数範囲７４０ｂにおいて処理を行い、第２の信号成分を取得する。そして、取得された第１及び第２の信号成分は、後述する適応フィルター部３２８に出力される。

なお、第１の周波数範囲７４０ａ及び第２の周波数範囲７４０ｂは、先に説明したように、血管の種類ごとの血流速度の範囲にあわせて範囲設定される。もしくは、第１の周波数範囲７４０ａ及び第２の周波数範囲７４０ｂは、血管の種類ごとの血流速度の範囲にあわせてではなく、任意に範囲設定されてもよい。また、本実施形態に係る血流情報算出部は、図１９に示すように２個であることに限定されるものではなく、３個以上設けてもよい。また、体動に起因する雑音成分の算出精度を高めるためには、なるべく多くの独立した信号成分を用いることが好ましいことから、血流情報算出部３２０は多く設けられることが好ましい。

（脈拍算出部３２２ａ）
脈拍算出部３２２ａは、後述する適応フィルター部３２８によって体動に起因する雑音成分が除去された血流情報を用いて、脈拍数を算出する。

（適応フィルター部３２８）
適応フィルター部３２８は、スペクトル信号生成部３１２ａから出力されたパワースペクトルと、第１の血流情報算出部３２０ａ及び第２の血流情報算出部３２０ｂから得られた２つの独立した第１及び第２の信号成分を用いて、体動に起因する雑音成分を算出する。さらに、適応フィルター部３２８は、算出した雑音成分を第１の血流情報算出部３２０ａ及び第２の血流情報算出部３２０ｂからの第１及び第２の信号成分から除去し、それらを雑音成分及び合成による悪影響が小さくなるように合成した値を取得する。そして、適応フィルター部３２８は、取得した値を上述の脈拍算出部３２２ｃへ出力する。

＜７．２ 第４の実施形態に係る情報処理方法について＞
次に、本実施形態に係る情報処理方法について、図２１を参照して説明する。図２１は、本実施形態に係る情報処理方法のフローチャートを示した図である。図２１に示すように、本実施形態に係る情報処理方法には、ステップＳ３０１からステップＳ３０９までが含まれる。以下に、本実施形態に係る情報処理方法の各ステップを説明する。

まずは、本実施形態に係る情報処理方法を開始する前に、例えば、図４に示すように、上述の測定モジュール１０を被測定者の手首等に装着する。

（ステップＳ３０１）
被測定者の身体の一部に測定モジュール１０が装着されたことを検知した際等に、測定モジュール１０は血流測定を開始する。そして、情報処理装置３０は検出信号を取得する。なお、当該ステップＳ３０１を繰りかえすことにより、複数回の血流測定を行ってもよい。

（ステップＳ３０３）
情報処理装置３０は、ステップＳ３０１で検出した検出信号に対して処理を行い、パワースペクトル８５０を生成する。なお、上述のステップＳ３０１を繰りかえし複数回の血流測定を行った場合には、ステップＳ３０３は複数回繰り返される。

（ステップＳ３０５）
情報処理装置３０は、ステップＳ３０３で生成したパワースペクトル８５０に対して処理を行い、複数の信号成分を取得する。

（ステップＳ３０７）
情報処理装置３０は、ステップＳ３０３で取得したパワースペクトル８５０とステップＳ３０５で取得した複数の信号成分とを用いて、体動に起因する雑音成分を算出し、ステップＳ３０５で生成した信号成分から算出した雑音成分を除去する。

（ステップＳ３０９）
情報処理装置３０は、ステップＳ３０７において取得された体動に起因する雑音成分が除去された信号成分を用いて、脈拍数を算出する。

以上のように、本実施形態においては、１つの検出信号を複数の範囲で処理することにより得られた複数の独立した信号成分を用いて、体動に起因する雑音成分を算出し、算出した雑音成分を検出信号から除去する。従って、本実施形態によれば、このように体動に起因する雑音成分が除去された検出信号を用いることで、正確な血流情報を得ることができる。さらに、本実施形態によれば、１つの検出信号を複数の範囲で処理することにより、複数の独立した信号成分を得ることができることから、複数の照射部１００及び検出部１０２を設けることを避けることはできる。その結果、複数の照射部１００及び検出部１０２を設けることがないことから、測定モジュール１０のサイズが大きくなること、及び、測定モジュール１０の製造コストを抑えることができる。加えて、本実施形態を、上述の第１から第３の実施形態と組み合わせることにより、各実施形態における学習や推定の精度をより高めることができる。また、本実施形態は、例えば、被測定者の両腕部に測定モジュール１０を装着し、静止している一方の腕部から得られた検出信号（血流情報）と、体動による外乱を受けている他方の腕部から得られた検出信号（血流情報）とを、それぞれ教師信号及び入力信号として学習を行ってもよい。この場合、学習により得られた関係情報により、体動による外乱を受けていない、すなわち、雑音成分が重畳していない他方の腕部における検出信号（血流情報）を推定することができる。そして、例えば、体動に起因する雑音成分が重畳されていない、推定した検出信号を教師信号として第２あるいは第３の実施形態に適用し、これら実施形態における学習や推定の精度を高めることができる。

なお、上述の実施形態においては、パワースペクトルを複数の範囲で処理することにより、複数の独立した信号成分を得るものとして説明したが、本実施形態においては、これに限定されるものではない。例えば、パワースペクトルを処理して血流情報を取得し、取得した血流情報を所定の条件で処理することにより、当該血流情報に含まれる複数の独立した信号成分を得てもよい。

また、本実施形態においては、最終的に得られた血流情報（例えば脈拍数）に対して解析を行い、当該血流情報に重畳した、体動に起因する雑音成分を割出し、その結果に基づいて当該雑音の算出や除去を動的に制御してもよい。詳細には、本実施形態においては、例えば、当該制御として、割り出した雑音成分に応じて、信号成分を取得する際に用いる周波数範囲を動的に変化させる。このようなフィードバック制御を行うことにより、上記の周波数範囲等が最適化され、最終的に得られる血流情報に含まれる当該雑音成分を小さくする、もしくはなくすこともできる。

＜＜８． ハードウェア構成について＞＞
図２２は、本実施形態に係る情報処理装置９００のハードウェア構成の一例を示す説明図である。図２２では、情報処理装置９００は、上述の情報処理装置３０のハードウェア構成の一例を示している。

情報処理装置９００は、例えば、ＣＰＵ９５０と、ＲＯＭ９５２と、ＲＡＭ９５４と、記録媒体９５６と、入出力インタフェース９５８と、操作入力デバイス９６０とを有する。さらに、情報処理装置９００は、表示デバイス９６２と、通信インタフェース９６８と、センサ９８０とを有する。また、情報処理装置９００は、例えば、データの伝送路としてのバス９７０で各構成要素間を接続する。

（ＣＰＵ９５０）
ＣＰＵ９５０は、例えば、ＣＰＵ等の演算回路で構成される、１または２以上のプロセッサや、各種処理回路等で構成され、情報処理装置９００全体を制御する制御部（図示省略）や、検出結果を処理する処理部３００として機能する。

（ＲＯＭ９５２及びＲＡＭ９５４）
ＲＯＭ９５２は、ＣＰＵ９５０が使用するプログラムや演算パラメータ等の制御用データ等を記憶する。ＲＡＭ９５４は、例えば、ＣＰＵ９５０により実行されるプログラム等を一時的に記憶する。ＲＯＭ９５２及びＲＡＭ９５４は、情報処理装置９００において、例えば、上述の記憶部３０２の機能を果たす。

（記録媒体９５６）
記録媒体９５６は、上述の記憶部３０２として機能し、例えば、本実施形態に係る情報処理方法に係るデータや、各種アプリケーション等様々なデータを記憶する。ここで、記録媒体９５６としては、例えば、ハードディスク等の磁気記録媒体や、フラッシュメモリ等の不揮発性メモリが挙げられる。また、記録媒体９５６は、情報処理装置９００から着脱可能であってもよい。

（入出力インタフェース９５８、操作入力デバイス９６０及び表示デバイス９６２）
入出力インタフェース９５８は、例えば、操作入力デバイス９６０や、表示デバイス９６２等を接続する。入出力インタフェース９５８としては、例えば、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）端子や、ＤＶＩ（Ｄｉｇｉｔａｌ Ｖｉｓｕａｌ Ｉｎｔｅｒｆａｃｅ）端子、ＨＤＭＩ（Ｈｉｇｈ-Ｄｅｆｉｎｉｔｉｏｎ Ｍｕｌｔｉｍｅｄｉａ Ｉｎｔｅｒｆａｃｅ）（登録商標）端子、各種処理回路等が挙げられる。

操作入力デバイス９６０は、操作部（図示省略）として機能し、例えば、情報処理装置９００に備えられ、情報処理装置９００の内部で入出力インタフェース９５８と接続される。操作入力デバイス９６０としては、例えば、ボタンや、方向キー、ジョグダイヤル等の回転型セレクター、タッチパネル、あるいは、これらの組み合わせ等が挙げられる。

表示デバイス９６２は、表示装置からなる情報提示装置（図示省略）として機能し、例えば、情報処理装置９００上に備えられ、情報処理装置９００の内部で入出力インタフェース９５８と接続される。表示デバイス９６２としては、例えば、液晶ディスプレイや有機ＥＬディスプレイ（Ｏｒｇａｎｉｃ Ｅｌｅｃｔｒｏ-Ｌｕｍｉｎｅｓｃｅｎｃｅ Ｄｉｓｐｌａｙ）等が挙げられる。

なお、入出力インタフェース９５８が、情報処理装置９００の外部の操作入力デバイス（例えば、キーボードやマウス等）や外部の表示デバイス等の、外部デバイスと接続することも可能であることは、言うまでもない。

（通信インタフェース９６８）
通信インタフェース９６８は、情報処理装置９００が備える通信手段であり、ネットワークを介して（あるいは、直接的に）、サーバ等の外部装置と、無線または有線で通信を行うための通信部（図示省略）として機能する。ここで、通信インタフェース９６８としては、例えば、通信アンテナおよびＲＦ（Ｒａｄｉｏ Ｆｒｅｑｕｅｎｃｙ）回路（無線通信）や、ＩＥＥＥ８０２．１５．１ポートおよび送受信回路（無線通信）、ＩＥＥＥ８０２．１１ポートおよび送受信回路（無線通信）、あるいはＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）端子および送受信回路（有線通信）等が挙げられる。

（センサ９８０）
センサ９８０は、上述の測定モジュール１０として機能し、血流に起因する信号等を検出することが可能な任意の方式により血流信号を検出するセンサである。センサ９８０は、例えば、光を発する照射部１００と、受光した光に応じて信号を生成する検出部１０２とを有する。照射部１００は、先に説明したように、例えば、レーザ等の光源を１または２以上有する。また、検出部１０２は、例えば、フォトダイオード、増幅回路、フィルター回路、およびアナログ−デジタル変換器を有する。

また、センサ９８０は、例えば、加速度センサや、ジャイロセンサ等、被測定者の身体の動きを検出することが可能な、１または２以上のセンサを含んでもよい。また、上述の測定モジュール１０の装着状態を検出することが可能な、圧力センサ等を含んでいてもよい。なお、センサ９８０に含まれるセンサは、上述の例に限られない。

なお、情報処理装置９００のハードウェア構成は、図２２に示す構成に限られない。例えば、情報処理装置９００は、接続されている外部の通信デバイスを介して外部装置等と通信を行う場合や、スタンドアロンで処理を行う構成である場合には、通信インタフェース９６８を備えていなくてもよい。また、通信インタフェース９６８は、複数の通信方式によって、１または２以上の外部装置と通信を行うことが可能な構成を有していてもよい。また、情報処理装置９００は、例えば、記録媒体９５６や、操作入力デバイス９６０、表示デバイス９６２等を備えない構成をとることも可能である。

以上、本実施形態として、情報処理装置を挙げて説明したが、本実施形態は、かかる形態に限られない。本実施形態は、例えば、携帯電話等の通信装置等、本実施形態に係る情報処理方法に係る処理を行うことが可能な、様々な機器に適用することができる。

また、本実施形態に係る情報処理装置は、例えばクラウドコンピューティング等のように、ネットワークへの接続（または各装置間の通信）を前提とした、複数の装置からなるシステムに適用されてもよい。つまり、上述した本実施形態に係る情報処理装置は、例えば、複数の装置により本実施形態に係る情報処理方法に係る処理を行う情報処理システムとして実現することも可能である。

以上、情報処理装置９００のハードウェア構成の一例を示した。上記の各構成要素は、汎用的な部材を用いて構成されていてもよいし、各構成要素の機能に特化したハードウェアにより構成されていてもよい。かかる構成は、実施する時々の技術レベルに応じて適宜変更されうる。

＜＜９． 補足＞＞
なお、先に説明した本開示の実施形態は、例えば、コンピュータを本実施形態に係る情報処理装置として機能させるためのプログラム、及びプログラムが記録された一時的でない有形の媒体を含みうる。また、プログラムをインターネット等の通信回線（無線通信も含む）を介して頒布してもよい。

また、上述した各実施形態の処理における各ステップは、必ずしも記載された順序に沿って処理されなくてもよい。例えば、各ステップは、適宜順序が変更されて処理されてもよい。また、各ステップは、時系列的に処理される代わりに、一部並列的に又は個別的に処理されてもよい。さらに、各ステップの処理方法についても、必ずしも記載された方法に沿って処理されなくてもよく、例えば、他の機能部によって他の方法で処理されていてもよい。

以上、添付図面を参照しながら本開示の好適な実施形態について詳細に説明したが、本開示の技術的範囲はかかる例に限定されない。本開示の技術分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本開示の技術的範囲に属するものと了解される。

また、本明細書に記載された効果は、あくまで説明的または例示的なものであって限定的ではない。つまり、本開示に係る技術は、上記の効果とともに、または上記の効果に代えて、本明細書の記載から当業者には明らかな他の効果を奏しうる。

なお、以下のような構成も本開示の技術的範囲に属する。
（１）異なる２種類の血流情報の間の関係を示す関係情報に基づいて、血流測定により得られた一方の種類の血流情報から、当該一方の種類の血流情報に関連する他方の種類の血流情報を推定する推定部を備える、情報処理装置。
（２）前記関係情報を学習する学習部をさらに備える、上記（１）に記載の情報処理装置。
（３）前記関係情報を格納する記憶部をさらに備える、上記（１）又は（２）に記載の情報処理装置。
（４）前記推定部によって推定された前記他方の血流情報から、脈拍数又は心拍数を算出する脈拍算出部をさらに備える、上記（１）〜（３）のいずれか１つに記載の情報処理装置。
（５）前記関係情報は、第１のサンプリング周波数での別の血流測定によって得られた第１の血流情報と、前記第１のサンプリング周波数よりも低い第２のサンプリング周波数での前記別の血流測定によって得られた第２の血流情報との間の関係を示す情報であり、前記推定部は、前記第２のサンプリング周波数での前記血流測定によって得られた第３の血流情報から、前記第１のサンプリング周波数に対応する第４の血流情報を推定する、上記（１）〜（３）のいずれか１つに記載の情報処理装置。
（６）第１のサンプリング周波数での別の血流測定によって得られた第１の血流信号に対して信号の間引き処理を行い、前記第１のサンプリング周波数よりも低い第２のサンプリング周波数に対応する第２の血流信号を生成する信号間引き部をさらに備え、前記関係情報は、前記第１の血流信号から生成された第１の血流情報と、前記第２の血流信号から生成された第２の血流情報との間の関係を示す情報であり、前記推定部は、前記第２のサンプリング周波数での前記血流測定によって得られた第３の血流情報から、前記第１のサンプリング周波数に対応する第４の血流情報を推定する、上記（１）〜（３）のいずれか１つに記載の情報処理装置。
（７）血流信号からパワースペクトルを生成する信号生成部をさらに備え、前記関係情報は、前記第１の血流信号から生成された第１のパワースペクトルと、前記第２の血流信号から生成された第２のパワースペクトルとの間の関係を示す情報であり、前記推定部は、前記第２のサンプリング周波数での前記血流測定によって得られた第３のパワースペクトルから、前記第１のサンプリング周波数に対応する第４のパワースペクトルを推定する、上記（６）に記載の情報処理装置。
（８）血流信号からパワースペクトルを生成する信号生成部と、前記パワースペクトルから平均血流速度又は所定の速度範囲の粒子の相対密度を算出する算出部と、をさらに備え、前記関係情報は、前記第１の血流信号から算出された第１の平均血流速度又は第１の所定の速度範囲の粒子の相対密度と、前記第２の血流信号から生成された第２のパワースペクトルとの関係を示す情報であり、前記推定部は、前記第２のサンプリング周波数での前記血流測定によって得られた第３のパワースペクトルから、前記第１のサンプリング周波数に対応する第２の平均血流速度又は第２の所定の速度範囲の粒子の相対密度を推定する、上記（６）に記載の情報処理装置。
（９）血流信号からパワースペクトルを生成する信号生成部と、複数の前記パワースペクトルから脈拍数を算出する脈拍算出部と、をさらに備え、前記関係情報は、複数の前記第１の血流信号から算出された第１の脈拍数と、複数の前記第２の血流信号から生成された複数の第２のパワースペクトルとの関係を示す情報であり、前記推定部は、前記第２のサンプリング周波数での前記血流測定によって得られた複数の第３のパワースペクトルから、前記第１のサンプリング周波数に対応する第２の脈拍数を推定する、上記（６）に記載の情報処理装置。
（１０）前記信号生成部は、前記血流信号に対して周波数解析を行い、前記パワースペクトルを生成する、上記（７）〜（９）のいずれか１つに記載の情報処理装置。
（１１）前記信号生成部は、前記血流信号から自己相関関数を算出し、当該自己相関関数を積分処理することにより前記パワースペクトルを生成する、上記（７）〜（９）のいずれか１つに記載の情報処理装置。
（１２）被測定者の身体の一部に装着されて、前記被測定者に対して前記血流測定を行う測定部をさらに備える、上記（１）〜（１１）のいずれか１つに記載の情報処理装置。
（１３）前記測定部は、前記被測定者の身体の一部に光を照射する照射部と、前記被測定者の身体の一部からの光を検出する検出部と、前記照射部の照射タイミングと、前記検出部の検出結果を読み出す読み出しタイミングとを定めるサンプリング周波数を制御する制御部と、を有する、上記（１２）に記載の情報処理装置。
（１４）前記照射部は、所定の周波数を持つ光を照射し、前記検出部は、前記所定の周波数を持つ光と、前記所定の周波数とは異なる周波数を持つ光との干渉光を検出する、上記（１３）に記載の情報処理装置。
（１５）異なる２種類の血流情報の間の関係を示す関係情報に基づいて、血流測定により得られた一方の種類の血流情報から、当該一方の種類の血流情報に関連する他方の種類の血流情報を推定することを含む、情報処理方法。
（１６）異なる２種類の血流情報の間の関係を示す関係情報に基づいて、血流測定により得られた一方の種類の血流情報から、当該一方の種類の血流情報に関連する他方の種類の血流情報を推定する機能を、コンピュータに実現させるためのプログラム。

１ 情報処理システム
１０ 測定モジュール
３０ 情報処理装置
７０ 静止組織
７２ 散乱光にドップラーシフトを引き起こす移動する粒子
１００ 照射部
１０２、１０２ａ、１０２ｂ 検出部
１０４ 制御部
１１０ バンド部
１１２ 制御ユニット
１１４ 測定ユニット
１１６ 粘着層
１１８ 固定部
３００、３００ａ、３００ｂ、３００ｃ、３００ｄ 処理部
３０２ 記憶部
３１０ 信号間間引き部
３１２、３１２ａ、３１４ スペクトル信号生成部
３１６、３１６ａ、３１６ｂ 学習部
３１８ スペクトル信号推定部
３２０、３２０ａ、３２０ｂ 血流情報算出部
３２２、３２２ａ 脈拍算出部
３２４ 血流情報推定部
３２６ 脈拍推定部
３２８ 適応フィルター部
５００ ウィンドウ
５０２ 検出信号
６００、６０６、８１０、８２０、８３０、８４０、８５０ パワースペクトル
６０２、６０４ 折り返し雑音成分
７００ パワースペクトル対
７１０ 血流速度分布
７２０ 粒子密度分布
７３０ 脈拍波形
７４０ａ、７４０ｂ 周波数範囲
９００ 情報処理装置
９５０ ＣＰＵ
９５２ ＲＯＭ
９５４ ＲＡＭ
９５６ 記録媒体
９５８ 入出力インタフェース
９６０ 操作入力デバイス
９６２ 表示デバイス
９６８ 通信インタフェース
９７０ バス
９８０ センサ

Claims (16)

1. 異なる２種類の血流情報の間の関係を示す関係情報に基づいて、血流測定により得られた一方の種類の血流情報から、当該一方の種類の血流情報に関連する他方の種類の血流情報を推定する推定部を備える、
   情報処理装置。
2. 前記関係情報を学習する学習部をさらに備える、請求項１に記載の情報処理装置。
3. 前記関係情報を格納する記憶部をさらに備える、請求項１に記載の情報処理装置。
4. 前記推定部によって推定された前記他方の血流情報から、脈拍数又は心拍数を算出する脈拍算出部をさらに備える、請求項１に記載の情報処理装置。
5. 前記関係情報は、第１のサンプリング周波数での別の血流測定によって得られた第１の血流情報と、前記第１のサンプリング周波数よりも低い第２のサンプリング周波数での前記別の血流測定によって得られた第２の血流情報との間の関係を示す情報であり、
   前記推定部は、前記第２のサンプリング周波数での前記血流測定によって得られた第３の血流情報から、前記第１のサンプリング周波数に対応する第４の血流情報を推定する、
   請求項１に記載の情報処理装置。
6. 第１のサンプリング周波数での別の血流測定によって得られた第１の血流信号に対して信号の間引き処理を行い、前記第１のサンプリング周波数よりも低い第２のサンプリング周波数に対応する第２の血流信号を生成する信号間引き部をさらに備え、
   前記関係情報は、前記第１の血流信号から生成された第１の血流情報と、前記第２の血流信号から生成された第２の血流情報との間の関係を示す情報であり、
   前記推定部は、前記第２のサンプリング周波数での前記血流測定によって得られた第３の血流情報から、前記第１のサンプリング周波数に対応する第４の血流情報を推定する、
   請求項１に記載の情報処理装置。
7. 血流信号からパワースペクトルを生成する信号生成部をさらに備え、
   前記関係情報は、前記第１の血流信号から生成された第１のパワースペクトルと、前記第２の血流信号から生成された第２のパワースペクトルとの間の関係を示す情報であり、
   前記推定部は、前記第２のサンプリング周波数での前記血流測定によって得られた第３のパワースペクトルから、前記第１のサンプリング周波数に対応する第４のパワースペクトルを推定する、
   請求項６に記載の情報処理装置。
8. 血流信号からパワースペクトルを生成する信号生成部と、
   前記パワースペクトルから平均血流速度又は所定の速度範囲の粒子の相対密度を算出する算出部と、
   をさらに備え、
   前記関係情報は、前記第１の血流信号から算出された第１の平均血流速度又は第１の所定の速度範囲の粒子の相対密度と、前記第２の血流信号から生成された第２のパワースペクトルとの関係を示す情報であり、
   前記推定部は、前記第２のサンプリング周波数での前記血流測定によって得られた第３のパワースペクトルから、前記第１のサンプリング周波数に対応する第２の平均血流速度又は第２の所定の速度範囲の粒子の相対密度を推定する、
   請求項６に記載の情報処理装置。
9. 血流信号からパワースペクトルを生成する信号生成部と、
   複数の前記パワースペクトルから脈拍数を算出する脈拍算出部と、
   をさらに備え、
   前記関係情報は、複数の前記第１の血流信号から算出された第１の脈拍数と、複数の前記第２の血流信号から生成された複数の第２のパワースペクトルとの関係を示す情報であり、
   前記推定部は、前記第２のサンプリング周波数での前記血流測定によって得られた複数の第３のパワースペクトルから、前記第１のサンプリング周波数に対応する第２の脈拍数を推定する、
   請求項６に記載の情報処理装置。
10. 前記信号生成部は、前記血流信号に対して周波数解析を行い、前記パワースペクトルを生成する、請求項７に記載の情報処理装置。
11. 前記信号生成部は、前記血流信号から自己相関関数を算出し、当該自己相関関数を積分処理することにより前記パワースペクトルを生成する、請求項７に記載の情報処理装置。
12. 被測定者の身体の一部に装着されて、前記被測定者に対して前記血流測定を行う測定部をさらに備える、請求項１に記載の情報処理装置。
13. 前記測定部は、
    前記被測定者の身体の一部に光を照射する照射部と、
    前記被測定者の身体の一部からの光を検出する検出部と、
    前記照射部の照射タイミングと、前記検出部の検出結果を読み出す読み出しタイミングとを定めるサンプリング周波数を制御する制御部と、
    を有する、請求項１２に記載の情報処理装置。
14. 前記照射部は、所定の周波数を持つ光を照射し、
    前記検出部は、前記所定の周波数を持つ光と、前記所定の周波数とは異なる周波数を持つ光との干渉光を検出する、
    請求項１３に記載の情報処理装置。
15. 異なる２種類の血流情報の間の関係を示す関係情報に基づいて、血流測定により得られた一方の種類の血流情報から、当該一方の種類の血流情報に関連する他方の種類の血流情報を推定することを含む、
    情報処理方法。
16. 異なる２種類の血流情報の間の関係を示す関係情報に基づいて、血流測定により得られた一方の種類の血流情報から、当該一方の種類の血流情報に関連する他方の種類の血流情報を推定する機能を、
    コンピュータに実現させるためのプログラム。

Images